Введение

Компьютерный формат файла DjVu (произносится как /d//eɪ//ʒ//ɑː/'/v//uː/ DAYzhahVOO', похоже на французское "déjà vu") — это компьютерный формат файла, предназначенный главным образом для хранения отсканированных документов, особенно содержащих комбинацию текста, линейных изображений, индексированных цветных изображений и фотографий. Он использует такие технологии, как разделение изображения на слои текста и фона/изображений, прогрессивная загрузка, арифметическое кодирование и сжатие с потерями для битональных (монохромных) изображений. Это позволяет хранить высококачественные, читаемые изображения, занимая минимальное пространство, что обеспечивает их доступность в сети. DjVu позиционируется как формат, обеспечивающий меньший размер файлов по сравнению с PDF для большинства отсканированных документов. Разработчики DjVu сообщают, что страницы цветных журналов сжимаются до 40–70 кБ, черно-белые технические документы — до 15–40 кБ, а древние рукописи — примерно до 100 кБ; для удовлетворительного изображения JPEG обычно требуется 500 кБ. Как и PDF, DjVu может содержать текстовый слой, распознанный с помощью OCR, что упрощает операции копирования, вставки и поиска текста. Существуют бесплатные программы для создания, редактирования, конвертирования, плагины для веб-браузеров и настольные программы для просмотра. (FBReader, EBookDroid, PocketBook).

Структура файла

Формат файла DjVu основан на формате обмена файлами Interchange и состоит из иерархически организованных фрагментов. Структуре IFF предшествует 4-байтовый магический номер AT&T. Далее следует единый блок FORM с вторичным идентификатором DJVU или DJVM для одностраничного или многостраничного документа соответственно. Все фрагменты могут содержаться в одном файле в случае так называемых объединенных документов, либо могут быть распределены по нескольким файлам: один файл на каждую страницу плюс дополнительные файлы с общими фрагментами.

Типы кусков

+Типы фрагментов в файлах DjVu Идентификатор фрагмента Содержится в Описание FORM:DJVU FORM:DJVM Описывает одну страницу. Может находиться в корне документа, представляя собой одностраничный документ, или быть ссылкой на фрагмент. FORM:DJVM Описывает многостраничный документ. Является корневым фрагментом документа. FORM:DJVI FORM:DJVM Содержит данные, совместно используемые несколькими страницами. FORM:THUM FORM:DJVM Содержит эскизы. INFO FORM:DJVU Должен быть первым фрагментом. Описывает ширину, высоту, версию формата, разрешение, гамму и поворот страницы. DIRM FORM:DJVM Должен быть первым фрагментом. Содержит ссылки на другие фрагменты. Эти фрагменты могут следовать за этим фрагментом внутри документа или содержаться во внешних файлах. Такие документы называются объединенными или косвенными соответственно. NAVM FORM:DJVM Если присутствует, должен немедленно следовать за фрагментом INFO. Содержит сжатое BZZ-алгоритмом оглавление документа. ANTa, ANTz FORM:DJVI или FORM:DJVU Аннотации. TXTa, TXTz FORM:DJVU Текст в кодировке Unicode и информация о разметке. INCL FORM:DJVU Идентификатор включаемого фрагмента. Sjbz FORM:DJVU BZZ-сжатые битональные данные JB2, используемые для хранения маски. Djbz FORM:DJVI или FORM:DJVU Общая таблица фигур. WMRM ? Данные JB2, необходимые для удаления водяного знака. CIDa FORM:DJVU Устаревший фрагмент с неизвестным содержимым.

Сжатие

DjVu разделяет одно изображение на множество различных изображений, а затем сжимает их по отдельности. Для создания файла DjVu исходное изображение сначала разделяется на три изображения: фоновое, изображение переднего плана и маску. Фоновые и передние изображения обычно представляют собой цветные изображения с более низким разрешением (например, 100 точек на дюйм); маска – это изображение с высоким разрешением (например, 300 точек на дюйм), и обычно в ней хранится текст. Затем фоновые и передние изображения сжимаются с помощью алгоритма сжатия на основе вейвлетов IW44. Оба метода сжатия имеют одни и те же проблемы при выполнении сжатия с потерями. В 2013 году стало известно, что копировальные аппараты и сканеры Xerox заменяли цифры на похожие, например, заменяя 6 на 8. Встретился документ DjVu с заменой символов, например, буква "н" с размытыми засечками превращалась в "u", а буква "о" с точкой внутри – в "e". Информация о том, было ли выполнено сжатие с потерями, в файле не сохраняется.

Формат лицензирования

DjVu — открытый файловый формат, защищенный патентами. Celartem и Cuminas. Celartem приобрела компании LizardTech и Extensis.

Поддержка

Выбор программ для просмотра DjVu, доступных для скачивания, шире в дистрибутивах Linux, чем в Windows или Mac OS. Кроме того, этот формат редко поддерживается проприетарным программным обеспечением для сканирования. В 2002 году Интернет-архив выбрал формат файла DjVu для своего проекта «Миллион книг», в рамках которого сканированные книги, находящиеся в общественном достоянии, предоставляются онлайн (наряду с TIFF и PDF). В феврале 2016 года Интернет-архив объявил о прекращении использования DjVu для новых загрузок, в частности, из-за снижения популярности формата и сложностей с поддержкой их просмотрщика, основанного на Java-апплетах.