В началото на 70-те години американският писател Майкъл Харт (Michael Hart) успя да получи неограничен достъп до компютъра Xerox Sigma 5, инсталиран в университета на щата Илинойс. За да използва достойно ресурсите на машината, той реши да създаде първата електронна книга, препечатвайки Декларацията за независимост на САЩ.
Днес цифровата литература получава широко разпространение, главно благодарение на развитието на портативните устройства (смартфони, ридери, лаптопи). Това доведе до появата на много формати за електронни книги. Нека да разгледаме техните особености и да разкажем историята на най-популярните от тях — да започнем с формата DjVu.
/ Flickr / /
Възникването на формата
DjVu е разработен през 1996 година от AT&T Labs с една цел — да предостави на уеб разработчиците инструмент за разпространение на изображения с висока разделителна способност през интернет.
Факт е, че по това време 90% от цялата информация все още на хартия, а много от важните документи имаха цветни изображения и фотографии. За да се запази четимостта на текста и качеството на картините, се налагаше да се правят сканирания с висока разделителна способност.
Класическите уеб формати — JPEG, GIF и PNG — позволяваха работа с такива изображения, но цената беше обемът. В случая с JPEG, за да бъде текстът на екрана на монитора, се налагаше да се сканира документът с разделителна способност 300 dpi. Цветната страница на списание заема около 500 КБ. Изтеглянето на файлове с такъв обем от интернет по това време беше доста трудоемък процес.
Алтернатива беше оцифроването на хартиени документи с помощта на технологии за разпознаване на текст, но преди 20 години тяхната точност беше далеч от идеалната — след обработката финалният резултат трябваше да се коригира сериозно ръчно. Освен това графиките и изображенията оставаха "встрани". И дори ако успееше да вградиш сканирано изображение в текстов документ, се губеха някои визуални детайли, например, цветът на хартията, нейната текстура, а това са важни компоненти на исторически документи.
С цел да реши тези проблеми, AT&T разработи DjVu. Той позволяваше компресиране на сканирани цветни документи с резолюция 300 dpi до 40–60 КБ, при размер на оригинала от 25 МБ. Размерите на черно-белите страници DjVu бяха намалени до 10–30 КБ.
Как DjVu компресира документите
DjVu може да работи както с хартиени сканирани документи, така и с други цифрови формати, например PDF. В основата на работата на DjVu технология, която разбива изображението на три компонента: преден план, заден план и черно-бяла (битова) маска.
Маската се съхранява с резолюция на оригиналния файл и изображението на текста и други ясни детайли — тънки линии и схеми — както и контрастни картинки.
Тя има резолюция от 300 dpi, за да останат тънките линии и контурите на буквите ясни, и се компресира с помощта на алгоритъм JB2, който представлява вариация на алгоритъма JBIG2, предложен от AT&T за работа с факсове. Особеност на JB2 е, че търси на страницата повтарящи се символи и съхранява тяхното изображение само веднъж. По този начин, в многостранични документи всяки няколко последователни страници използват общ „речник“.
Задният план съдържа текстурата на страницата и илюстрациите, а неговата резолюция е по-ниска от тази на маската. Фонът без загуби за възприятие се запазва с резолюция от 100 dpi.
Предният план цветовата информация за маската, а неговата резолюция обикновено се понижава още повече, тъй като в повечето случаи цветът на текста е черен и еднакъв за един печатен знак. За компресиране на предния и задния план се използва .
Заключителната стъпка в създаването на DjVu-документ е ентропийното кодиране, при което адаптивен арифметичен кодер превръща последователности от еднакви символи в бинарна стойност.
Предимства на формата
Задачата на DjVu беше «свойствата» на хартиения документ в цифров вид, позволявайки работа с такива документи дори на слаби компютри. И така, софтуерът за преглед на DjVu файлове притежава възможността за „бързо рендериране“. Благодарение на него в паметта само онзи фрагмент на DjVu-страницата, който трябва да се показва на екрана.
Това също така дава възможност за преглед на „неизтеглени“ файлове, тоест отделни страници на многостраничен DjVu-документ. При това се използва прогресивно изобразяване на детайлите на изображението, когато компонентите като че ли „появяват“ с увеличаването на файла (както в JPEG).
Преди 20 години, когато този формат стана известен, зареждането на страницата ставаше на три етапа: първо се зареждаше текстовата част, след няколко секунди се добавяха първите версии на изображенията и фона. След това „се появяваше“ цялата страница на книгата.
Наличието на тристепенна структура също позволява да се извършва търсене по сканирани книги (тъй като съществува специален текстов слой). Това се оказа удобно при работа с техническа литература и справочници, затова DjVu стана основа за няколко библиотеки за научни книги. Например, през 2002 година той беше избран като един от форматите (заедно с TIFF и PDF) за проекта по запазване на сканирани книги от открити източници.
Недостатъци на формата
Въпреки това, както при всички технологии, DjVu има своите недостатъци. Например, при кодиране на сканирани книги във формата DjVu, някои символи в документа могат да бъдат заменени с други, визуално подобни. Най-често това се случва с буквите „и“ и „н“, от което възниква този проблем с наименованието „проблема инь“. Той не зависи от езика на текста и влияе, в това число, на цифри и други малки повтарящи се знаци.
Причината за това е грешки в класификацията на символите в кодирания JB2. Всичко „включва“ сканирането на групи от 10-20 изображения и формира за всяка от групите речник с общи символи. Речникът съдържа образци на общи букви и цифри, а също така и страниците и координатите на тяхното появяване. Когато преглеждате DjVu книга, символите от речника се заменят в нужните места.
Това позволява намаляване на размера на DjVu файла, но ако визуализацията на две букви е подобна, кодиращата система може да обърка или да счете букви за еднакви. Понякога това води до повреждане на формули в техническия документ. За разрешаване на този проблем може да се откаже от алгоритмите за компресия, но това ще увеличи размера на цифровото копие на книгата.
Друг недостатък на формата е, че той не се поддържа по подразбиране в много съвременни операционни системи (включително мобилни). Следователно, за работа с него е необходимо да се инсталират трети страни , като DjVuReader, WinDjView, Evince и др. Въпреки това, тук е важно да се отбележи, че някои електронни четци (например, ONYX BOOX) поддържат формата DjVu „извън кутията“ — тъй като необходимите приложения вече са инсталирани.
Между другото, за това, какво още могат приложенията за ридери на Android, ние разказахме в един от предишните .
Ридер
Още един проблем с формата се появява при работа с DjVu-документи на малки екрани на мобилни устройства — смартфони, таблети, ридери. Понякога DjVu файловете са представени като сканиране на разтвора на книгата, а професионалната литература и работните документи често имат формат A4, така че трябва да "движите" изображението в търсене на информация.
Все пак отбелязваме, че този проблем също може да бъде решен. Най-лесно, разбира се, е да се потърси документ в друг формат — но ако такава опция не е възможна (например, трябва да работите с голямо количество техническа литература в DjVu), то можете да използвате електронни читалки с голям диагонал от 9,7 до 13,3 инча, които са специално "направени" за работа с подобни документи.
Например, в серията ONYX BOOX такива устройства са и (между другото, подготвихме обзор на тази модел ридер и скоро ще го публикуваме в нашия блог), както и , който има екран E Ink Mobius Carta с диагонал 10,3 инча и повишена резолюция. Такива устройства позволяват спокойно да се разгледат всички детайли на илюстрациите в оригинален размер и са подходящи за тези, които често трябва да четат учебна или техническа литература. За преглед на файлове DjVu и PDF NEO Reader, който предлага настройка на контраста и дебелината на дигитализираните шрифтове.
Въпреки недостатъците на формата, в днешно време DjVu остава един от най-популярните формати за "съхраняване" на литературни произведения. В голяма степен това се дължи на факта, че той е отворен, а съвременните технологии и разработки днес позволяват да се заобиколят някои технологични ограничения.
В следващите материали ще продължим разказа на историята за появата на формати за електронни книги и особеностите на тяхната работа.
P.S. Няколко обзора на ридери ONYX BOOX:
Източник: habr.com
