Кіріспе
DjVu (,/d//eɪ//ʒ//ɑː/'/v//uː/ DAYzhahVOO', француз тіліндегі "déjà vu" сөзі сияқты) – негізінен сканерленген құжаттарды, әсіресе мәтін, сызықтық суреттер, индекстелген түсті суреттер және фотосуреттерді сақтауға арналған компьютерлік файл форматы. Ол мәтін мен фон/суреттерді кескін қабаттарымен бөлу, прогрессивті жүктеу, арифметикалық кодтау және битоналдық (монохромды) суреттер үшін жоғалтулы сығылу сияқты технологияларды пайдаланады. Бұл жоғары сапалы, оқылатын суреттерді ең аз орынға сыйыстырып сақтауға мүмкіндік береді, соның арқасында оларды интернетте қолжетімді етуге болады. DjVu көптеген сканерленген құжаттар үшін PDF-тен кіші файлдарды ұсынады деп хабарланады. DjVu әзірлеушілерінің мәліметінше, түсті журнал беттері 40–70 кБ, қара-ақ техникалық құжаттар 15–40 кБ, ал көне қолжазбалар шамамен 100 кБ көлемде сығылады; ал қанағаттанарлық JPEG суретіне әдетте 500 кБ қажет. PDF сияқты, DjVu да OCR мәтін қабатын қамтуы мүмкін, бұл мәтінді көшіру, орналастыру және іздеу операцияларын жеңілдетеді. Оны жасауға, өңдеуге, түрлендіруге арналған тегін бағдарламалар, веб-браузерлерге қосымшалар және десктоптық қараушылар қолжетімді (FBReader, EBookDroid, PocketBook).
DjVu (,/d//eɪ//ʒ//ɑː/'/v//uː/ DAYzhahVOO', like French "déjà vu") is a computer file format designed primarily to store scanned documents, especially those containing a combination of text, line drawings, indexed color images, and photographs. It uses technologies such as image layer separation of text and background/images, progressive loading, arithmetic coding, and lossy compression for bitonal (monochrome) images. This allows high quality, readable images to be stored in a minimum of space, so that they can be made available on the web. DjVu has been promoted as providing smaller files than PDF for most scanned documents. The DjVu developers report that color magazine pages compress to 40–70 kB, black and white technical papers compress to 15–40 kB, and ancient manuscripts compress to around 100 kB; a satisfactory JPEG image typically requires 500 kB. Like PDF, DjVu can contain an OCR text layer, making it easy to perform copy and paste and text search operations. Free creators, manipulators, converters, web browser plug ins, and desktop viewers are available. FBReader, EBookDroid, PocketBook).
Файл құрылымы
DjVu файл форматы Interchange File Format негізінде құрылған және иерархиялық түрде ұйымдастырылған кескіндерден тұрады. IFF құрылымынан бұрын 4 байттық AT&T сиқырлы саны келеді. Одан кейін, бір беттік немесе көп беттік құжат үшін сәйкесінше DJVU немесе DJVM екінші идентификаторы бар бір FORM кескіні орналасқан. Барлық кескіндер «жинақталған» құжаттар жағдайында бір файлда немесе бірнеше файлда болуы мүмкін: әрбір бет үшін бір файл және ортақ кескіндері бар файлдар.
Бөлшектердің түрлері
+DjVu файлдарындағы бөлік түрлері Бөлік идентификаторы Құрамындағы мазмұны Сипаттамасы FORM:DJVU FORM:DJVM Бір бетті сипаттайды. Құжаттың түбірі болуы мүмкін және бір беттік құжатты білдіруі мүмкін, немесе басқа бөліктен сілтемеленуі мүмкін. FORM:DJVM Көп беттік құжатты сипаттайды. Құжаттың түбірлік бөлігі болып табылады. FORM:DJVI FORM:DJVM Бірнеше бет үшін ортақ деректерді қамтиды. FORM:THUM FORM:DJVM Кішірейтілген суреттерді қамтиды. INFO FORM:DJVU Бірінші бөлік болуы тиіс. Беттің ені, биіктігі, пішім нұсқасы, ажыратымдылығы, гаммасы және бұрылуын сипаттайды. DIRM FORM:DJVM Бірінші бөлік болуы тиіс. Басқа бөліктерге сілтеме жасайды. Бұл бөліктер осы бөліктен кейін орналасуы мүмкін немесе сыртқы файлдарда сақталуы мүмкін. Мұндай құжаттар тиісінше жинақы немесе тура сілтемелі деп аталады. NAVM FORM:DJVM Егер болса, дереу INFO бөлігінен кейін орналасуы керек. Құжаттың BZZ қысылған контурын қамтиды. ANTa, ANTz FORM:DJVI немесе FORM:DJVU Түсіндірмелер. TXTa, TXTz FORM:DJVU Unicode мәтіні және макет туралы ақпарат. INCL FORM:DJVU Қосылған бөліктің идентификаторы. Sjbz FORM:DJVU BZZ қысылған JB2 битоналды деректері, масканы сақтау үшін қолданылады. Djbz FORM:DJVI немесе FORM:DJVU Ортақ пішін кестесі. WMRM ? Су белгісін жою үшін қажетті JB2 деректері. CIDa FORM:DJVU Мазмұны белгісіз ескірген бөлік.
Сығу
DjVu бір суретті көптеген суреттерге бөліп, оларды жеке-жеке қысып сақтайды. DjVu файлы жасау үшін бастапқы кескін алдымен үш суретке бөлінеді: фондық сурет, алдыңғы план суреті және маска суреті. Фондық және алдыңғы план суреттері әдетте төмен ажыратымдылықтағы түсті суреттер (мысалы, 100 dpi) болады; маска суреті жоғары ажыратымдылықтағы екі деңгейлі сурет (мысалы, 300 dpi) және көбінесе мәтін осы суретте сақталады. Содан кейін фондық және алдыңғы план суреттері IW44 деп аталатын толқынға негізделген қысу алгоритмі арқылы қысылады. Екі қысу әдісі де сапасы төмендетіліп қысу кезінде бірдей мәселелерге тап болады. 2013 жылы Xerox көшіргіш машиналары мен сканерлері ұқсас көрінетін сандарды бір-бірімен алмастырғаны анықталды, мысалы, 6 санын 8 санымен ауыстырған. DjVu құжатында кейіптер алмастырылған жағдайлар кездесті, мысалы, қан кетулі серифтері бар «n» әрпі «u» әрпіне, ал ішінде нүктесі бар «o» әрпі «e» әрпіне айналған. Сапасы төмендетіліп қысу жүргізілгені туралы ақпарат файлда сақталмайды.
Форматты лицензиялау
DjVu – патенттері бар ашық файл форматы. Celartem және Cuminas. Celartem компаниясы LizardTech пен Extensis компанияларын сатып алды.
Қолдау
Жүктеліп алынатын DjVu көрермендерінің таңдауы Linux дистрибутивтерінде Windows немесе Mac OS-ке қарағанда кеңірек. Бұған қоса, бұл форматты коммерциялық сканерлеу бағдарламалық қамтамасыздауы сирек. 2002 жылы Internet Archive өзінің "Миллион кітап жобасы" аясында сканерленген, авторлық құқығы бұзылмаған кітаптарды онлайн түрде ұсыну үшін (TIFF және PDF форматтарымен қатар) DjVu файл форматын таңдады. 2016 жылдың ақпан айында Internet Archive жаңа жүктемелер үшін DjVu форматы қолданылмайтынын хабарлады, себебі форматтың қолданылуы азайды және осы формат үшін Java апплетіне негіделген қарау құралын күтіп ұстау қиын болды.