ספרים אלקטרוניים והפורמטים שלהם: DjVu - ההיסטוריה שלו, היתרונות, החסרונות והתכונות שלו

בתחילת שנות ה-70 הצליח הסופר האמריקאי מייקל הארט לקבל גישה בלתי מוגבלת למחשב Xerox Sigma 5 המותקן באוניברסיטת אילינוי. כדי לנצל היטב את משאבי המכונה, הוא החליט ליצור את הספר האלקטרוני הראשון, שהדפיס מחדש את הכרזת העצמאות של ארה"ב.

כיום, הספרות הדיגיטלית הפכה לנפוצה, בעיקר הודות לפיתוח מכשירים ניידים (סמארטפונים, קוראות אלקטרוניים, מחשבים ניידים). זה הוביל להופעתם של מספר רב של פורמטים של ספרים אלקטרוניים. בואו ננסה להבין את התכונות שלהם ולספר את ההיסטוריה של הפופולריים שבהם - בואו נתחיל בפורמט DjVu.

/flickr/ ליין פירמן / CC

הופעת הפורמט

DjVu פותח ב-1996 על ידי AT&T Labs במטרה אחת - לתת למפתחי אינטרנט כלי להפצת תמונות ברזולוציה גבוהה דרך האינטרנט.

העובדה היא שבאותו זמן 90% מכל המידע עדיין היה מאוחסן על נייר, וברבים מהמסמכים החשובים היו תמונות ותמונות צבעוניות. כדי לשמור על קריאות הטקסט ואיכות התמונות, היה צורך לבצע סריקות ברזולוציה גבוהה.

פורמטי אינטרנט קלאסיים - JPEG, GIF ו-PNG - אפשרו לעבוד עם תמונות כאלה, אך במחיר של נפח. במקרה של JPEG, כך שהטקסט נקרא על מסך הצג, הייתי צריך לסרוק את המסמך ברזולוציה של 300 dpi. עמוד צבעוני של המגזין תפס כ-500 קילו-בייט. הורדת קבצים בגודל כזה מהאינטרנט הייתה תהליך די עתיר עבודה באותה תקופה.

האלטרנטיבה הייתה לבצע דיגיטציה של מסמכי נייר באמצעות טכנולוגיות OCR, אך לפני 20 שנה הדיוק שלהם היה רחוק מלהיות אידיאלי - לאחר עיבוד, היה צורך לערוך את התוצאה הסופית ברצינות ביד. יחד עם זאת, גרפיקה ותמונות נשארו "מעל הסיפון". וגם אם ניתן היה להטמיע תמונה סרוקה במסמך טקסט, אבדו כמה פרטים ויזואליים, למשל צבע הנייר, המרקם שלו, ואלו מרכיבים חשובים של מסמכים היסטוריים.

על מנת לפתור את הבעיות הללו, AT&T פיתחה את DjVu. היא אפשרה לדחוס מסמכים צבעוניים סרוקים ברזולוציה של 300 dpi עד 40–60 KB, בגודל מקורי של 25 MB. DjVu הפחית את הגודל של עמודי שחור ולבן ל-10-30 KB.

כיצד DjVu דוחס מסמכים

DjVu יכול לעבוד גם עם מסמכי נייר סרוקים וגם עם פורמטים דיגיטליים אחרים, כגון PDF. איך DjVu עובד הוא טכנולוגיה המפצלת את התמונה לשלושה מרכיבים: חזית, רקע ומסיכת שחור ולבן (ביט).

המסכה נשמרת ברזולוציה של הקובץ המקורי ו מכיל תמונה של טקסט ופרטים ברורים אחרים - קווים עדינים ודיאגרמות - כמו גם תמונות מנוגדות.

יש לו רזולוציה של 300 dpi כדי לשמור על חדות קווים עדינים וקווי אותיות, והוא דחוס באמצעות אלגוריתם JB2, שהוא וריאציה של אלגוריתם JBIG2 של AT&T לשליחת פקס. תכונה של JB2 זה מה שהוא עושה זה שהוא מחפש תווים כפולים בדף ושומר את התמונה שלהם פעם אחת בלבד. לפיכך, במסמכים מרובי עמודים, כל כמה עמודים עוקבים חולקים "מילון" משותף.

הרקע מכיל את מרקם הדף והאיורים, והרזולוציה שלו נמוכה מזו של המסכה. הרקע ללא הפסדים נשמר ב-100 dpi.

חֲזִית חנויות מידע צבע על המסכה, והרזולוציה שלה בדרך כלל מצטמצמת עוד יותר, מכיוון שברוב המקרים צבע הטקסט הוא שחור וזהה עבור תו מודפס אחד. משמש לדחיסת החזית והרקע דחיסת גלים.

השלב האחרון ביצירת מסמך DjVu הוא קידוד אנטרופיה, כאשר מקודד אריתמטי אדפטיבי הופך רצפים של תווים זהים לערך בינארי.

יתרונות הפורמט

המשימה של DjVu הייתה сохранить "מאפיינים" של מסמך נייר בצורה דיגיטלית, המאפשרים אפילו למחשבים חלשים לעבוד עם מסמכים כאלה. לכן, לתוכנה לצפייה בקבצי DjVu יש את היכולת "רינדור מהיר". תודה לה לזכרה טוען רק הקטע הזה בדף DjVu שאמור להיות מוצג על המסך.

זה גם מאפשר לצפות בקבצים "שלא הורדו", כלומר, דפים בודדים של מסמך DjVu מרובה עמודים. במקרה זה, נעשה שימוש בציור פרוגרסיבי של פרטי תמונה, כאשר נראה שהרכיבים "מופיעים" עם הורדת הקובץ (כמו ב-JPEG).

לפני 20 שנה, כשהפורמט הזה הוצג, העמוד נטען בשלושה שלבים: תחילה נטען רכיב הטקסט, לאחר מספר שניות נטענו הגרסאות הראשונות של התמונות והרקע. לאחר מכן, כל העמוד של הספר "הופיע".

הנוכחות של מבנה בן שלוש רמות מאפשרת לך גם לחפש בספרים סרוקים (כיוון שקיימת שכבת טקסט מיוחדת). זה התברר כנוח בעבודה עם ספרות טכנית וספרי עיון, אז DjVu הפך לבסיס למספר ספריות של ספרים מדעיים. לדוגמה, בשנת 2002 הוא נבחר ארכיון אינטרנט כאחד הפורמטים (יחד עם TIFF ו-PDF) לפרויקט לשימור ספרים סרוקים ממקורות פתוחים.

חסרונות הפורמט

עם זאת, כמו כל הטכנולוגיות, ל-DjVu יש חסרונות. לדוגמה, בעת קידוד סריקות של ספרים לפורמט DjVu, חלק מהתווים במסמך עשויים להיות מוחלפים באחרים הדומים במראה. לרוב זה קורה עם האותיות "i" ו- "n", וזו הסיבה לבעיה זו קיבל שם "בעיית יין". זה לא תלוי בשפת הטקסט ומשפיע בין היתר על מספרים ושאר דמויות קטנות שחוזרות על עצמן.

הסיבה שלו היא שגיאות סיווג תווים במקודד JB2. הוא "מפוצל" סורק לקבוצות של 10-20 חלקים ויוצר מילון של סמלים משותפים לכל קבוצה. המילון מכיל דוגמאות לאותיות ומספרים נפוצים עם דפים וקואורדינטות של הופעתם. כאשר אתה צופה בספר DjVu, דמויות מהמילון מוכנסות למקומות הנכונים.

זה מאפשר לך להקטין את גודל קובץ ה-DjVu, עם זאת, אם התצוגות של שתי אותיות דומות מבחינה ויזואלית, המקודד יכול לבלבל אותן או בטעות בהן. לפעמים זה מוביל לפגיעה בנוסחאות במסמך טכני. כדי לפתור בעיה זו, אתה יכול לנטוש את אלגוריתמי הדחיסה, אבל זה יגדיל את גודל העותק הדיגיטלי של הספר.

חסרון נוסף של הפורמט הוא שהוא אינו נתמך כברירת מחדל בהרבה מערכות הפעלה מודרניות (כולל ניידות). לכן, כדי לעבוד עם זה אתה צריך להתקין צד שלישי программы, כגון DjVuReader, WinDjView, Evince וכו'. עם זאת, כאן אני רוצה לציין שחלק מהקוראים האלקטרוניים (לדוגמה, ONYX BOOX) תומכים בפורמט DjVu "מחוץ לקופסה" - מכיוון שהיישומים הדרושים כבר מותקנים שם.

אגב, דיברנו על מה עוד אפליקציות לקוראים מבוססי אנדרואיד יכולות לעשות באחד מהקודמים של חומרים.

קוֹרֵא ONYX BOOX Chronos

בעיית פורמט נוספת מופיעה בעבודה עם מסמכי DjVu על מסכים קטנים של מכשירים ניידים - סמארטפונים, טאבלטים, קוראים. לפעמים קבצי DjVu מוצגים בצורה של סריקה של כפולת ספר, וספרות מקצועית ומסמכי עבודה הם לרוב בפורמט A4, כך שצריך "להזיז" את התמונה בחיפוש אחר מידע.

עם זאת, נציין שניתן לפתור גם בעיה זו. הדרך הקלה ביותר היא כמובן לחפש מסמך בפורמט אחר - אבל אם אפשרות זו אינה אפשרית (למשל, צריך לעבוד עם כמות גדולה של ספרות טכנית ב-DjVu), אז אתה יכול להשתמש בקוראות אלקטרוניים עם אלכסון גדול מ-9,7 עד 13,3 אינץ', אשר "מותאם" במיוחד לעבודה עם מסמכים כאלה.

לדוגמה, בקו ONYX BOOX מכשירים כאלה נמצאים Chronos и מקס 2 (אגב, הכנו סקירה על מודל הקורא הזה, ובקרוב נפרסם אותה בבלוג שלנו), וגם הערות, בעל מסך E Ink Mobius Carta באלכסון של 10,3 אינץ' ורזולוציה מוגברת. מכשירים כאלה מאפשרים לך לבחון בשלווה את כל הפרטים של איורים בגודלם המקורי ומתאימים לאלה שלעיתים קרובות צריכים לקרוא ספרות חינוכית או טכנית. לצפייה בקבצי DjVu ו-PDF משמש NEO Reader, המאפשר לך להתאים את הניגודיות והעובי של גופנים דיגיטליים.

למרות חסרונות הפורמט, כיום DjVu נותר אחד הפורמטים הפופולריים ביותר ל"שימור" יצירות ספרותיות. זה נובע בעיקר מהעובדה שהוא זה פתוח, וכמה מגבלות טכנולוגיות מאפשרות היום לטכנולוגיות ופיתוחים מודרניים לעקוף אותה.

בחומרים הבאים נמשיך את הסיפור על ההיסטוריה של הופעתם של פורמטים של ספרים אלקטרוניים ותכונות עבודתם.

נ.ב. מספר סטים של קוראי ONYX BOOX:

• טכנולוגיות מול "עתיקות": סקירה של הקורא ONYX BOOX Chronos
• המלכה מתנשאת לקרוא: סקירה של הספר האלקטרוני ONYX BOOX Cleopatra 3
• סקירה של ONYX BOOX Darwin 4: הספר האלקטרוני הטוב ביותר על E-Ink

מקור: www.habr.com