DjVu

DjVu — это формат файлов для хранения сканированных документов, разработанный для обеспечения максимального сжатия изображений с сохранением высокого качества, особенно при работе с текстами, схемами и чёрно-белыми иллюстрациями. Формат был создан компанией AT&T Labs в конце 1990-х годов как альтернатива PDF для задач архивирования и распространения книг, журналов и рукописей. DjVu использует технологию разделения изображения на слои (текст, фон, изображения) и применяет специализированные алгоритмы сжатия, что позволяет достигать степени сжатия в 5–10 раз выше, чем у JPEG, при сопоставимом визуальном качестве.

История

Формат DjVu был разработан в 1998–1999 годах исследователями из AT&T Labs — Яном Ле Куном (Yann Le Cun), Леоном Ботту (Léon Bottou) и Патриком Хэдди (Patrick Haffner). Первоначальная цель заключалась в создании технологии, которая позволила бы эффективно хранить и передавать по интернету большие объёмы сканированных страниц, особенно книг с высоким разрешением. Первая версия программного обеспечения для создания и просмотра DjVu была выпущена в 1999 году.

В 2000 году AT&T Labs передала права на формат компании LizardTech, которая продолжила его развитие и коммерциализацию. В 2001 году LizardTech выпустила DjVu Solo — бесплатную программу для просмотра, а также платные инструменты для создания файлов. В 2002 году была опубликована спецификация формата, что позволило разрабатывать сторонние реализации, включая открытую библиотеку DjVuLibre.

В 2005 году LizardTech передала управление форматом компании Celartem, которая продолжила поддержку и лицензирование DjVu. Несмотря на появление альтернативных форматов (PDF, TIFF), DjVu остаётся востребованным в библиотечном деле, издательствах и научных архивах благодаря высокой степени сжатия и качеству отображения текста.

Технические основы

Принцип разделения на слои

Ключевая особенность DjVu — разделение изображения на три слоя:

• Передний план (foreground) — содержит текст, линии, штрихи и другие элементы с чёткими границами. Обычно кодируется с использованием алгоритма JB2 (для чёрно-белых изображений) или IW44 (для цветных).
• Фон (background) — содержит фотографии, градиенты, текстуры и плавные переходы. Кодируется с помощью алгоритма IW44, основанного на вейвлет-преобразовании.
• Маска (mask) — бинарное (чёрно-белое) изображение, определяющее, какие пиксели принадлежат переднему плану, а какие — фону. Маска позволяет точно отделить текст от фона, что обеспечивает высокую чёткость.

Такое разделение позволяет применять различные методы сжатия к разным типам данных: текст сжимается с минимальными потерями, а фон — с более агрессивным сжатием, что в сумме даёт малый размер файла.

Алгоритмы сжатия

• JB2 — алгоритм сжатия для бинарных (чёрно-белых) изображений, разработанный специально для DjVu. Он распознаёт повторяющиеся символы (буквы, цифры, знаки препинания) и кодирует их как шаблоны, что позволяет достигать высокой степени сжатия для текстовых страниц. Например, страница книги в формате DjVu может занимать 10–30 КБ вместо 200–500 КБ в JPEG.
• IW44 — вейвлет-алгоритм для сжатия цветных и полутоновых изображений. Он обеспечивает плавное ухудшение качества при увеличении степени сжатия, что позволяет выбирать компромисс между размером и качеством.

Форматы файлов

DjVu поддерживает несколько типов файлов:

• Одностраничный DjVu — файл, содержащий одну страницу.
• Многостраничный DjVu — файл, объединяющий несколько страниц в один документ (расширение .djvu).
• Индексированный DjVu — файл, содержащий ссылки на другие файлы (например, для создания книги с отдельными страницами).

Классификация и версии

Формат DjVu не имеет официальных версий в традиционном понимании, но выделяются следующие реализации:

• DjVu 1.x — ранние версии, использовавшиеся в AT&T Labs.
• DjVu 2.x — коммерческие версии от LizardTech, включавшие улучшенные алгоритмы сжатия.
• DjVuLibre — открытая реализация формата, поддерживающая все основные функции. Включает утилиты для создания, просмотра и редактирования файлов.
• DjVu Solo — бесплатная программа для просмотра от LizardTech (устаревшая, но всё ещё используется).

Применение

Библиотечное и архивное дело

DjVu широко используется для оцифровки книг, журналов, рукописей и исторических документов. Например, такие проекты, как «Российская государственная библиотека» (РГБ), «Национальная электронная библиотека» (НЭБ) и «Проект «Гутенберг»» (частично) применяют DjVu для хранения сканов. Формат позволяет хранить страницы с высоким разрешением (300–600 dpi) при небольшом размере файла, что экономит дисковое пространство и ускоряет загрузку.

Научные публикации

В научных журналах и конференциях DjVu иногда используется для распространения PDF-подобных документов, особенно когда требуется точное отображение формул, таблиц и графиков. Однако в последние годы PDF стал доминирующим форматом для научных статей.

Электронные книги

DjVu применяется для создания электронных версий книг, особенно тех, которые содержат большое количество иллюстраций или сложную вёрстку. Например, многие книги по математике, физике и инженерии доступны в формате DjVu.

Веб-публикации

Благодаря малому размеру файлов DjVu использовался для публикации документов в интернете, особенно в эпоху медленных модемных соединений. Однако с ростом скорости интернета и распространением PDF его веб-применение сократилось.

Преимущества и недостатки

Преимущества

• Высокая степень сжатия — для текстовых документов DjVu обеспечивает сжатие в 5–10 раз лучше, чем JPEG, и в 2–3 раза лучше, чем PDF с использованием JPEG-сжатия.
• Качество текста — благодаря разделению на слои текст остаётся чётким даже при сильном сжатии фона.
• Поддержка многостраничных документов — позволяет создавать книги и журналы в одном файле.
• Открытая спецификация — формат не запатентован, существуют свободные реализации (DjVuLibre).

Недостатки

• Ограниченная поддержка — меньше программ для просмотра и редактирования по сравнению с PDF. Встроенная поддержка в веб-браузерах отсутствует (требуются плагины или сторонние программы).
• Сложность редактирования — DjVu не предназначен для редактирования текста; он оптимизирован для хранения сканов, а не для работы с цифровым текстом.
• Отсутствие интерактивных функций — в отличие от PDF, DjVu не поддерживает гиперссылки, формы, мультимедиа и другие интерактивные элементы.
• Меньшая распространённость — пользователи чаще сталкиваются с PDF, что ограничивает использование DjVu.

Программное обеспечение

Для просмотра

• DjVuLibre — открытая библиотека и набор утилит, включающий программу для просмотра (djview). Доступна для Windows, Linux и macOS.
• DjVu Solo — бесплатная программа от LizardTech (только для Windows, устаревшая).
• WinDjView — популярная программа для Windows с удобным интерфейсом.
• SumatraPDF — универсальная программа для просмотра PDF, DjVu, EPUB и других форматов (Windows).
• STDU Viewer — программа для просмотра различных форматов, включая DjVu (Windows).

Для создания

• DjVuLibre включает утилиты c44 (сжатие в DjVu) и djvm (сборка многостраничных файлов).
• Document Express — коммерческая программа от LizardTech для создания DjVu-файлов.
• Online-конвертеры — веб-сервисы, позволяющие конвертировать PDF, JPEG и другие форматы в DjVu.

Сравнение с другими форматами

DjVu и PDF

PDF (Portable Document Format) — более универсальный формат, поддерживающий не только сканы, но и цифровой текст, гиперссылки, формы, мультимедиа и шифрование. DjVu превосходит PDF по степени сжатия для сканированных документов с текстом, но уступает в функциональности и распространённости. Для архивного хранения книг DjVu часто предпочтительнее, для интерактивных документов — PDF.

DjVu и JPEG

JPEG — формат сжатия изображений с потерями, не предназначенный для многостраничных документов. DjVu обеспечивает лучшее качество текста при том же размере файла, но JPEG проще в использовании и поддерживается повсеместно.

DjVu и TIFF

TIFF — формат для хранения растровых изображений без сжатия или с минимальным сжатием. Он используется в профессиональной фотографии и полиграфии, но неэффективен для хранения больших объёмов документов. DjVu значительно превосходит TIFF по степени сжатия.

Интересные факты

• Название «DjVu» происходит от французского выражения «déjà vu» («уже виденное»), что подчёркивает идею быстрого просмотра знакомых документов.
• Алгоритм JB2, используемый в DjVu, был запатентован AT&T, но патент истёк в 2010-х годах, что позволило свободно использовать его в открытых реализациях.
• В 2000-х годах DjVu активно продвигался как формат для электронных библиотек, но с развитием PDF и появлением облачных сервисов его популярность снизилась.

Источники

• Le Cun, Y., Bottou, L., & Haffner, P. (1999). «DjVu: A Compression Method for Distributed Document Imaging».
• LizardTech. (2001). «DjVu Reference Manual».
• DjVuLibre Project. (2002). «DjVuLibre: Open Source DjVu Implementation».
• Bottou, L., & Haffner, P. (2000). «High Quality Document Image Compression with DjVu».
• Российская государственная библиотека. (2005). «Технологии оцифровки и хранения документов».