Na začátku 70. let americký spisovatel Michael Hart dokázal nezávislý přístup k počítači Xerox Sigma 5, který byl nainstalován na univerzitě ve státě Illinois. Aby vhodně využil zdroje stroje, rozhodl se vytvořit první elektronickou knihu tím, že přepsal Deklaraci nezávislosti USA.
Dnes digitální literatura získala široké rozšíření, zejména díky rozvoji přenosných zařízení (smartphonů, čteček, notebooků). To vedlo k vzniku velkého množství formátů elektronických knih. Pokusíme se porozumět jejich vlastnostem a vyprávět příběh některých nejpopulárnějších z nich – začněme formátem DjVu.
/ Flickr / /
Vznik formátu
DjVu byl vyvinut v roce 1996 společností AT&T Labs s jedním cílem – poskytnout webovým vývojářům nástroj pro distribuci obrazů ve vysokém rozlišení přes internet.
Faktem je, že v té době 90 % všech informací stále na papíře, a mnoho důležitých dokumentů mělo barevné obrázky a fotografie. Aby byla zachována čitelnost textu a kvalita obrázků, bylo nutné skenovat ve vysokém rozlišení.
Klasické webové formáty – JPEG, GIF a PNG – umožňovaly práci s takovými obrázky, ale za cenu objemu. V případě JPEG, aby text na obrazovce monitoru, muselo se dokument skenovat s rozlišením 300 dpi. Barevná stránka časopisu přitom zaujímala asi 500 KB. Stahování souborů takového objemu z internetu bylo v té době poměrně pracným procesem.
Alternativou bylo digitalizování papírových dokumentů pomocí technologií rozpoznávání textu, nicméně před 20 lety byla jejich přesnost daleko od ideální – po zpracování bylo nutné konečný výsledek ručně podstatně upravit. Grafy a obrázky však zůstávaly "za bordem". A i pokud se podařilo vložit naskenovaný obrázek do textového dokumentu, ztrácely se některé vizuální detaily, jako barva papíru, jeho textura, což jsou důležité komponenty historických dokumentů.
S cílem vyřešit tyto problémy AT&T vyvinulo DjVu. Umožnil zmenšit naskenované barevné dokumenty s rozlišením 300 dpi na 40–60 KB, přičemž velikost originálu byla 25 MB. Velikosti černobílých stránek DjVu snížil na 10–30 KB.
Jak DjVu komprimuje dokumenty
DjVu může pracovat jak s papírovými skenovanými dokumenty, tak s jinými digitálními formáty, například PDF. Základem fungování DjVu technologie, která rozděluje obrázek na tři komponenty: přední plán, pozadí a černobílou (bitovou) masku.
Maska je uložena s rozlišením původního souboru a obrázek textu a další jasné detaily — tenké čáry a schémata — stejně jako kontrastní obrázky.
Má rozlišení 300 dpi, aby tenké čáry a kontury písmen zůstaly jasné, a je komprimována pomocí algoritmu JB2, což je variace algoritmu JBIG2 navrženého AT&T pro práci s faxy. Vlastností JB2 je to, že vyhledává na stránce opakující se znaky a ukládá je pouze jednou. Tímto způsobem využívají v mnohostránkových dokumentech každé několik po sobě jdoucích stran společný "slovník".
Pozadí obsahuje texturu stránky a ilustrace, a jeho rozlišení je nižší než u masky. Pozadí bez ztrát pro vnímání je uloženo s rozlišením 100 dpi.
Přední plán barevné informace o masce, a jeho rozlišení se obvykle snižuje ještě více, protože v většině případů je barva textu černá a stejná pro jeden tištěný znak. Pro kompresi předního a zadního plánu se používá .
Závěrečným krokem při tvorbě DjVu dokumentu je entropické kódování, kdy adaptivní aritmetický kodér převádí posloupnosti stejných znaků na binární hodnotu.
Výhody formátu
Úkolem DjVu bylo "vlastnosti" papírového dokumentu v digitální podobě, což umožnilo pracovat s takovými dokumenty i na slabších počítačích. Proto má software pro zobrazení DjVu souborů možnost "rychlého vykreslování". Díky tomu se do paměti pouze ten kousek DjVu stránky, který má být zobrazen na obrazovce.
To také umožňuje prohlížet "ned stažené" soubory, tedy jednotlivé stránky vícestránkového DjVu dokumentu. Přitom se používá progresivní vykreslování detailů obrázku, kdy se komponenty jakoby "zjevují" během stahování souboru (jako u JPEG).
Před dvaceti lety, když byl tento formát představen, se načítání stránky odehrávalo ve třech fázích: nejdříve se načetla textová část, po několika vteřinách se načetly první verze obrázků a pozadí. Až po tom se "projevila" celá stránka knihy.
Existence tříúrovňové struktury také umožňuje vyhledávání ve skenovaných knihách (protože existuje speciální textová vrstva). To se ukázalo být užitečné při práci s technickou literaturou a příručkami, a proto se DjVu stal základem pro několik knihoven vědeckých knih. Například v roce 2002 byl vybrán jako jeden z formátů (spolu s TIFF a PDF) pro projekt zachování skenovaných knih z volně dostupných zdrojů.
Nevýhody formátu
Nicméně, jako všechny technologie, má i DjVu své nevýhody. Například při kódování skenů knih do formátu DjVu mohou být některé znaky v dokumentu zaměněny za jiné, na pohled podobné. Nejčastěji se to děje s písmeny "i" a "n", což způsobuje tuto problém označovanou jako "problém yin". Nezávisí na jazyce textu a ovlivňuje také číslice a další malé opakující se znaky.
Její příčina spočívá v chybách klasifikace znaků v kodéru JB2. Ten "dělí" skeny do skupin po 10–20 kusech a pro každou z těchto skupin vytváří slovník společných znaků. Slovník obsahuje vzorky obvyklých písmen a číslic ze stránek a souřadnice jejich výskytu. Když prohlížíte knihu ve formátu DjVu, znaky ze slovníku se vkládají na potřebná místa.
To umožňuje zmenšit velikost DjVu souboru, avšak pokud se dvě písmena vizuálně podobají, kodér je může buď zaměnit, nebo považovat za stejné. Někdy to vede k poškození vzorců v technickém dokumentu. Pro vyřešení tohoto problému je možné se vzdát algoritmů komprese, avšak to zvýší velikost digitální kopie knihy.
Další nevýhodou formátu je to, že není ve výchozím nastavení podporován v mnoha moderních operačních systémech (včetně mobilních). Pro práci s ním je tedy nutné nainstalovat externí , jako například DjVuReader, WinDjView, Evince a další. Je však třeba poznamenat, že některé elektronické čtečky (například ONYX BOOX) podporují formát DjVu "out of the box" – protože potřebné aplikace jsou tam již nainstalovány.
Mimochodem, o tom, co všechno mohou aplikace pro čtečky na bázi Android, jsme psali v jednom z předchozích .
Čtečka
Další problém formátu se projevuje při práci s dokumenty DjVu na malých obrazovkách mobilních zařízení — chytrých telefonech, tabletech, čtečkách. Někdy jsou soubory DjVu prezentovány jako sken rozkladu knihy, a odborná literatura a pracovní dokumenty často mají formát A4, proto je potřeba "posouvat" obrázek při hledání informací.
Nicméně, je důležité říci, že tento problém je také řešitelný. Nejjednodušší je samozřejmě hledat dokument v jiném formátu — ale pokud tato možnost není dostupná (například potřebujete pracovat s velkým množstvím technické literatury ve formátu DjVu), můžete využít elektronické čtečky s velkým úhlopříčkou od 9,7 do 13,3 palce, které jsou speciálně přizpůsobeny pro práci s takovými dokumenty.
Například v řadě ONYX BOOX jsou takovými zařízeními a (mimochodem, připravili jsme recenzi tohoto modelu čtečky a brzy ji zveřejníme na našem blogu), stejně jako , která má displej E Ink Mobius Carta s úhlopříčkou 10,3 palce a zvýšeným rozlišením. Taková zařízení umožňují pohodlně prohlédnout všechny detaily ilustrací v původní velikosti a jsou vhodná pro ty, kteří častěji čtou učební nebo technickou literaturu. Pro zobrazení souborů DjVu a PDF NEO Reader, který umožňuje nastavit kontrast a tloušťku digitalizovaných písem.
Navzdory nedostatkům formátu zůstává dnes DjVu jedním z nejpopulárnějších formátů pro "uchovávání" literárních děl. Do značné míry je to způsobeno tím, že je otevřený, a překonávat některá technologická omezení umožňují moderní technologie a vývoj.
V následujících materiálech budeme pokračovat v příběhu o historii vzniku formátů elektronických knih a specifikách jejich provozu.
P.S. Několik recenzí čteček ONYX BOOX:
Zdroj: habr.com
