DjVu

Расширение	.djvu, .djv
MIME	image/vnd.djvu, image/x-djvu
Разработан	AT&T Research
Опубликован	1998 год
Последний выпуск	27 / июль 2006
Тип формата	Графические форматы
Открытый формат?	Да
Сайт	djvu.org

DjVu (от фр. déjà vu — «уже виденное») — технология сжатия изображений с потерями, разработанная специально для хранения сканированных документов — книг, журналов, рукописей и прочее, где обилие формул, схем, рисунков и рукописных символов делает чрезвычайно трудоёмким их полноценное распознавание. Также является эффективным решением, если необходимо передать все нюансы оформления, например, исторических документов, где важное значение имеет не только содержание, но и цвет и фактура бумаги; дефекты пергамента: трещинки, следы от складывания; исправления, кляксы, отпечатки пальцев; следы, оставленные другими предметами и т. д.

DjVu стал основой для нескольких библиотек научных книг. Огромное количество книг в этом формате доступно в файлообменных сетях.

Формат оптимизирован для передачи по сети таким образом, что страницу можно просматривать ещё до завершения загрузки файла. DjVu-файл может содержать текстовый (OCR) слой, что позволяет осуществлять полнотекстовый поиск по файлу. Кроме того, DjVu-файл может содержать встроенное интерактивное оглавление и активные области — ссылки, что позволяет реализовать удобную навигацию в DjVu-книгах.

Используемые технологии

Для сжатия цветных изображений в DjVu применяется специальная технология, разделяющая исходное изображение на три слоя: передний план, задний план и чёрно-белую (однобитовую) маску. Маска сохраняется с разрешением исходного файла; именно она содержит изображение текста и прочие чёткие детали. Разрешение заднего плана, в котором остаются иллюстрации и текстура страницы, по умолчанию понижается для экономии места. Передний план содержит цветовую информацию о маске; его разрешение обычно понижается ещё сильнее. Затем задний и передний планы сжимаются с помощью вейвлет-преобразования, а маска — алгоритмом JB2.

Особенностью алгоритма JB2 является то, что он ищет на странице повторяющиеся символы и сохраняет их изображение только один раз. В многостраничных документах каждые несколько подряд идущих страниц пользуются общим «словарём» изображений.

Для сжатия большинства книг можно обойтись только двумя цветами. В этом случае используется всего один слой, что позволяет достичь рекордной степени сжатия. В типичной книге с чёрно-белыми иллюстрациями, отсканированной с разрешением 600 dpi, средний размер страницы составляет около 15 Кб, то есть приблизительно в 100 раз меньше, чем исходный файл. В присутствии сложного заднего плана выигрыш объёма составляет обычно 4—10 раз. Однако при этом не стоит забывать, что в DjVu используется сжатие данных с потерями, поэтому для особо важных документов, возможно, будет разумнее использовать форматы сжатия без потерь: PNG, JPEG 2000, TIFF и т. п.

В основе формата DjVu лежат несколько технологий, разработанных в AT&T Labs:

• алгоритм отделения текста от фона на отсканированном изображении;
• вейвлетный алгоритм сжатия фона IW44;
• алгоритм сжатия чёрно-белых изображений JB2;
• универсальный алгоритм сжатия ZIP;
• алгоритм распаковки «по запросу»;
• алгоритм «маскировки» изображений.

Текстовое представление изображений DjVu

Формат DjVu предусматривает наличие текстового слоя, который содержит текст со страницы. (Используется для поиска и лёгкого копирования текста при работе с ним). В случае, если текстовый слой недоступен, единственный метод получения текста — выполнение оптического распознавания в сторонних программах.

Лицензионная информация

AT&T продали технологию компании LizardTech, которая пыталась использовать её в своих коммерческих интересах, но благодаря открытости формата для создания и просмотра документов DjVu существует свободное программное обеспечение, доступное для различных платформ. 1 июля 2008 года LizardTech передал менеджмент DjVu родительской компании Celartem, а 10 июня 2009 года Celartem передал права на технологию DjVu компании Caminova.

Существует открытая публикуемая под лицензией GNU GPL библиотека DjVuLibre и программы-кодировщики и просмотрщики на ней.

См. также

• WinDjView
• STDU Viewer
• Scan Tailor
• ScanKromsator
• Оцифровка книг
• MRC PDF — технология многослойной упаковки в PDF сканированной графики с текстом.

Ссылки

• DJVU — формат для электронных библиотек. Алгоритмы и достоинства, программы и использование, руководства пользователя.
• Дежавю или DjVu: ликбез. Сборник статей о технологии DjVu.
• DjVu.org Англоязычный портал DjVu-сообщества.