La începutul anilor '70, scriitorul american Michael Hart a reușit acces nelimitat la computerul Xerox Sigma 5, instalat la Universitatea din Illinois. Pentru a utiliza resursele mașinii în mod adecvat, a decis să creeze prima carte electronică, tipărind Declarația de Independență a Statelor Unite.
Astăzi, literatura digitală a câștigat o popularitate largă, în mare parte datorită dezvoltării dispozitivelor portabile (smartphone-uri, cititoare, laptopuri). Acest lucru a dus la apariția unei mari varietăți de formate pentru cărțile electronice. Să încercăm să înțelegem caracteristicile lor și să povestim istoria celor mai populare dintre ele – să începem cu formatul DjVu.
/ Flickr / /
Apariția formatului
DjVu a fost dezvoltat în 1996 de AT&T Labs cu un singur scop – de a oferi dezvoltatorilor web un instrument pentru distribuirea imaginilor de înaltă rezoluție prin internet.
Este de înțeles că pe atunci 90% din informație era încă pe hârtie, iar multe dintre documentele importante aveau imagini color și fotografii. Pentru a păstra lizibilitatea textului și calitatea imaginilor, era necesar să se facă scanări de înaltă rezoluție.
Formatele clasice web – JPEG, GIF și PNG – permiteau lucrul cu astfel de imagini, dar cu un cost de volum. În cazul JPEG, pentru ca textul pe ecranul monitorului, era necesar să se scaneze documentul cu o rezoluție de 300 dpi. O pagină colorată dintr-o revistă ocupa în jur de 500 Kbyte. Descărcarea unor fișiere de un astfel de volum din internet în acel moment era un proces destul de laborios.
O alternativă era digitizarea documentelor pe hârtie prin tehnologii de recunoaștere a textului, însă cu 20 de ani în urmă, precizia lor era departe de a fi ideală – după procesare, rezultatul final trebuia să fie corectat manual în mod semnificativ. În plus, graficele și imaginile rămâneau "în afara jocului". Și chiar dacă se reușea să se integreze o imagine scanată într-un document text, se pierdeau unele detalii vizuale, cum ar fi culoarea hârtiei, textura acesteia, care sunt componente importante ale documentelor istorice.
Pentru a rezolva aceste probleme, AT&T a dezvoltat DjVu. Acesta a permis comprimarea documentelor color scanate cu o rezoluție de 300 dpi la 40–60 KB, în timp ce dimensiunea originală era de 25 MB. Dimensiunile paginilor alb-negru DjVu au fost reduse la 10–30 KB.
Cum comprima DjVu documentele
DjVu poate funcționa atât cu documente scanate pe hârtie, cât și cu alte formate digitale, cum ar fi PDF. La baza funcționării DjVu o tehnologie care împarte imaginea în trei componente: planul de față, planul de fundal și masca alb-negru (bitmapped).
Masca se păstrează cu rezoluția fișierului original și imaginea textului și alte detalii clare — linii subțiri și diagrame — precum și imagini cu contrast.
Aceasta are o rezoluție de 300 dpi, pentru ca liniile subțiri și contururile literelor să rămână clare, și se comprima folosind algoritmul JB2, care este o variație a algoritmului JBIG2, propus de AT&T pentru funcționarea faxurilor. O caracteristică a JB2 faptul că caută pe pagină simboluri repetate și păstrează imaginea lor doar o dată. Astfel, în documentele cu multe pagini, fiecare câteva pagini succesive beneficiază de un «dicționar» comun.
Planul de fundal conține textura paginii și ilustrațiile, iar rezoluția sa este mai mică decât cea a măștii. Fondul fără pierderi pentru percepție se păstrează cu o rezoluție de 100 dpi.
Planul de față informația de culoare a măștii, iar rezoluția sa este de obicei redusă și mai mult, deoarece în cele mai multe cazuri culoarea textului este neagră și uniformă pentru fiecare caracter tipărit. Pentru comprimarea planurilor de față și fundal se folosește .
Etapa finală în crearea unui document DjVu devine codificarea entropică, când un codificator aritmetic adaptiv transformă secvențele de simboluri identice într-o valoare binară.
Avantajele formatului
Scopul DjVu a fost «propriile caracteristici» ale documentului pe hârtie în format digital, permițând lucrul cu astfel de documente chiar și pe computere mai slabe. De aceea, software-ul pentru vizualizarea fișierelor DjVu are capacitatea de „rendering rapid”. Datorită acesteia, în memoria numai acea bucată din pagina DjVu care trebuie să fie afișată pe ecran.
Aceasta oferă, de asemenea, posibilitatea de a vizualiza fișierele „necompletate”, adică paginile individuale ale unui document DjVu multipagina. Acest lucru se realizează prin redarea progresivă a detaliilor imaginii, când componentele apar pe măsură ce fișierul este descărcat (ca în JPEG).
Acum 20 de ani, când acest format a fost lansat, încărcarea unei pagini se făcea în trei etape: mai întâi, se încărca componenta de text, după câteva secunde, se descărcau primele versiuni ale imaginilor și fundalului. Abia apoi întreaga pagină a cărții era „revelată”.
Existența unei structuri pe trei niveluri permite, de asemenea, căutarea în cărțile scanate (deoarece există un strat de text special). Aceasta s-a dovedit a fi utilă în lucrul cu literatura tehnică și manualele, așa că DjVu a devenit baza pentru mai multe biblioteci de cărți științifice. De exemplu, în 2002 a fost ales ca unul dintre formatele (împreună cu TIFF și PDF) pentru proiectul de conservare a cărților scanate din surse deschise.
Dezavantajele formatului
Cu toate acestea, la fel ca toate tehnologiile, DjVu are și neajunsurile sale. De exemplu, la codificarea scansărilor de cărți în format DjVu, unele simboluri din document pot fi înlocuite cu altele asemănătoare ca aspect. Aceasta se întâmplă cel mai frecvent cu literele „и” și „н”, ceea ce a dus la această problemă cunoscută sub numele de „problema in’”. Aceasta nu depinde de limba textului și afectează, printre altele, cifrele și alte semne mici repetitive.
Cauza ei sunt erorile de clasificare a simbolurilor în encoderul JB2. Acesta „împarte” scansările în grupuri de 10–20 de bucăți și formează pentru fiecare grup un dicționar de simboluri comune. Dicționarul conține mostre de litere și cifre comune cu paginile și coordonatele apariției lor. Atunci când vizualizați o carte DjVu, simbolurile din dicționar sunt plasate în locurile necesare.
Aceasta permite reducerea dimensiunii fișierului DjVu, cu toate acestea, dacă vizualizarea a două litere este similară din punct de vedere vizual, encoderul le poate confunda sau le poate considera identice. Uneori, acest lucru duce la deteriorarea formulărilor în documentele tehnice. Pentru a rezolva această problemă, se poate renunța la algoritmii de compresie, totuși, acest lucru va crește dimensiunea copiilor digitale ale cărții.
O altă dezavantaj a formatului este că acesta nu este acceptat în mod implicit în multe sisteme de operare moderne (inclusiv cele mobile). Prin urmare, pentru a lucra cu el, este necesar să instalați aplicații terțe. , cum ar fi DjVuReader, WinDjView, Evince și altele. Totuși, ar trebui să menționăm că unele cititoare electronice (de exemplu, ONYX BOOX) sunt compatibile cu formatul DjVu „din cutie” — deoarece aplicațiile necesare sunt deja instalate acolo.
Apropo de ce pot face aplicațiile pentru cititoare bazate pe Android, am vorbit în unul dintre materialele anterioare .
Cititor
O altă problemă a formatului apare atunci când lucrăm cu documente DjVu pe ecrane mici de dispozitive mobile — smartphone-uri, tablete, cititoare. Uneori fișierele DjVu sunt prezentate sub formă de scanare a deschiderii unei cărți, iar literatura profesională și documentele de lucru au adesea format A4, așa că trebuie să „mișcăm” imaginea în căutarea informațiilor.
Cu toate acestea, menționăm că această problemă este, de asemenea, rezolvabilă. Cel mai simplu, desigur, este să căutați documentul într-un alt format — dar dacă această opțiune nu este posibilă (de exemplu, trebuie să lucrați cu o cantitate mare de literatură tehnică în DjVu), atunci puteți folosi cititoare electronice cu un ecran mare, de la 9,7 la 13,3 inci, care sunt special „optimizate” pentru a lucra cu astfel de documente.
De exemplu, în seria ONYX BOOX, astfel de dispozitive sunt și (de altfel, am pregătit o recenzie a acestui model de cititor și în curând o vom publica pe blogul nostru), precum și , care are un ecran E Ink Mobius Carta cu diagonală de 10,3 inci și o rezoluție crescută. Aceste dispozitive permit vizualizarea detaliilor ilustrațiilor în dimensiunea originală și sunt potrivite pentru cei care sunt nevoiți să citească frecvent literatură academică sau tehnică. Pentru vizualizarea fișierelor DjVu și PDF NEO Reader, care permite ajustarea contrastului și grosimii fonturilor scanate.
În ciuda dezavantajelor formatului, DjVu rămâne astăzi unul dintre cele mai populare formate pentru „salvarea” operelor literare. Acest lucru se datorează în mare parte faptului că este deschis, iar modernizarea tehnologică permite astăzi ocolirea unor restricții tehnologice.
În materialele următoare, vom continua povestea despre istoria apariției formatelor de cărți electronice și specificitățile funcționării lor.
P.S. Câteva recenzii ale cititoarelor ONYX BOOX:
Sursa: habr.com
