PDG转PDF注定会文件膨胀、质量下降吗？
作者：馬健
郵箱：stronghorse_mj@hotmail.com
發(fā)布：2006.07.16
更新：2006.07.20
事先聲明：
對于標題所提問題，我的回答是：大多數(shù)情況下轉(zhuǎn)換后文件長度應該相當，略有增加或減少，質(zhì)量應該保持不變。如果文件長度、畫面質(zhì)量差很多，多半是用錯了方法或軟件。本文將說明理由。
注意在上面的回答中我使用了“大多數(shù)”等表示概率的詞匯，因此在討論答案之前，需要先對PDG文件格式進行分類，并估計每種PDG文件出現(xiàn)的可能性。
目前比較流行的分類方法是按照PDG文件第16字節(jié)分類，通常PDG文件格式檢查軟件都是按照這個字節(jié)的16進制報告文件類型，如00H、02H、03H、04H、05H、10H、11H、AAH、ACH、64H、66H等等。由于這種分類法分出來的類型較多（理論上有256種），所以通常也按字節(jié)高4位進行歸類，簡稱0xH、1xH、AxH、6xH等。
這種分類方法可以表示出PDG文件的加密特征：
- 00H是最早，也是最原始的PDG格式，其格式為：PDG文件頭＋原始圖像數(shù)據(jù)流。原始圖像數(shù)據(jù)流包括CCITT G4（黑白圖像）、JPG（彩色/灰度）、DjVu（黑白/彩色/灰度）。在超星服務器上，這種格式的文件已經(jīng)非常少見，但是由于這種格式閱讀的時候不需要解密，因此閱讀 時的速度感覺比其它格式的要快，所以也有人用第三方軟件自己將其它格式轉(zhuǎn)換成00H格式。
- 0xH是對00H的弱加密格式，通常02H、03H用來加密CCITT G4圖像，04H加密JPG，05加密DjVu。順便說一句，可能是為了盡量減小文件長度，超星在壓制DjVu時，用的都是有損壓縮，可能會對漢字筆劃造成損傷，這也是為什么經(jīng)常聽到有人說05H不如02H清晰的原因之一。
- 1xH是比0xH更強的加密，加密方法不再與原始圖像格式對應，如11H可以加密CCITT G4，也可以加密JPG、DjVu。
- AxH的加密強度比1xH更強，加密方法也不與原始圖像格式對應。正版超星瀏覽器如果下載到AxH格式的PDG，會將其完全破壞后變成FFH格式的PDG。
- 6xH是正版超星瀏覽器從服務器下載到PDG文件后在本地加密生成的文件。由于6xH加密使用了本地硬盤“指紋”，因此只能在下載的機器上看，換一臺就不能看。
但是加密方法畢竟是超星自己的事，用這種分類方法往PDF格式上套未免有點難。所以我更愿意用另一種分類標準：超星瀏覽器自帶的Pdg2控件的GetImageType方法的返回值。這個方法通常返回1、2、3，在Pdg2Pic中分別用T1、T2、T3表示，即Type1、Type2、Typ3的意思，分別對應三種圖像：
- T1：黑白圖像，原始圖像格式為CCITT G4或DjVu。
- T2：灰度/彩色圖像，原始圖像格式為JPG或DjVu。可能超星覺得掃描時區(qū)別灰度、彩色太麻煩了，所以灰度圖像一律按彩色存儲，這 也是國內(nèi)掃描外包商的通常做法，但是對技術(shù)較真的客戶一般會要求外包商舉行區(qū)別。
- T3：多層圖像，底層黑白文字層通常用CCITT G4，上層插圖用JPG。我猜測這種類型應該是在DjVu基礎上發(fā)展出來的，符合“按需存儲”的原則：對于重要的文字層使用無損壓縮，對于相對不重要的插圖則用有損壓縮存儲。
從出現(xiàn)的概率來說，這三種格式按從高到低排列依次是T1、T3、T2：
- 最常見的格式還是T1，畢竟大多數(shù)書籍都是白紙黑字。
- T3出現(xiàn)的概率比T1小，一般用于圖文混排的插圖頁，或某些彩印書籍。
- T2出現(xiàn)的概率最小，畢竟除了封面和某些特殊書籍外，整頁都是圖的情況在一本書里也不會有幾頁，而封面、封底還有很大一部分直接用JPG文件存儲。
在轉(zhuǎn)換成PDF時，正常情況下這三種格式與PDF中壓縮算法的對應關(guān)系為：
- T1：CCITT G4或JBig2。
- T2：JPEG或JPEG 2000。
- T3：這個比較復雜，取決于轉(zhuǎn)換軟件：可以轉(zhuǎn)換成多層PDF，也可以將PDG中的所有層合并成一個圖像再放入PDF。
如果T1原始圖像是CCITT G4，轉(zhuǎn)換成PDF的CCITT G4后文件尺寸會略有膨脹，因為PDF文件本身要增加一些必要的格式信息；如果轉(zhuǎn)換成PDF的JBig2，通常文件尺寸不會增加，只會減少，畢竟JBig2的壓縮算法要比CCITT G4更先進。
如果T1原始圖像是DjVu，轉(zhuǎn)換成PDF的CCITT G4后文件無疑將會膨脹；轉(zhuǎn)換成JBig2則取決于是有損JBig2還是無損JBig2。理論上說，DjVu對黑白圖像的壓縮能力與JBig2相當，但由于超星用的全是有損DjVu，因此轉(zhuǎn)換成PDF時只有選有損JBig2才能保持二者尺寸 大致相當，選無損JBig2則會造成文件膨脹。由于有損壓縮會對漢字筆劃造成損傷，因此我寧愿文件長度膨脹，也不愿選擇有損。
如果T2原始格式是JPG，轉(zhuǎn)換結(jié)果取決于轉(zhuǎn)換軟件：如果轉(zhuǎn)換軟件能夠直接從PDG文件中提取原始JPG數(shù)據(jù)流嵌入PDF，則PDF文件只會略有膨脹 ，質(zhì)量不變；如果轉(zhuǎn)換軟件非要把PDG先解碼成BMP再壓縮成JPG或JPEG 2000放到PDF里，文件長度可能增加也可能減小，取決于所選的壓縮比，但是在缺省的壓縮比下，質(zhì)量下降是注定了的。
如果T2原始格式是DjVu，用于目前的PDF規(guī)范不支持DjVu（不排除將來會支持），因此只能將DjVu先解碼成BMP再壓縮成JPG或JPEG 2000放到PDF里，文件長度可能增加也可能減小，質(zhì)量多半會下降。
對于T3，如果轉(zhuǎn)換軟件能夠直接從PDG文件中提取原始JPG數(shù)據(jù)流嵌入PDF文件，并且用無損JBig2壓縮原CCITT G4圖像，則PDF文件尺寸會減小，同時質(zhì)量不變；如果轉(zhuǎn)換軟件非要把多層合并成一層，再壓縮成JPG或JPEG 2000放到PDF里，通常文件長度會增加，質(zhì)量會下降：JPG或JPEG 2000都不適合壓縮文字圖像。
綜上所述，從原理上說，對于最常見的黑白PDG，轉(zhuǎn)換成PDF后應該長度略有減少，質(zhì)量保持不變；對于帶插圖的多層PDG，轉(zhuǎn)換成PDF后應該長度略有減少，質(zhì)量保持不變；對于純圖像頁面的PDG，轉(zhuǎn)換后長度可能略有增加而質(zhì)量不變，也可能長度、質(zhì)量都有較大變化，但是這種頁面畢竟不多。
現(xiàn)在各位明白我在本文開始部分給出的回答的含義了吧？
在明白的同時，我相信也會有人合理地引伸出另外一個問題：為什么現(xiàn)在大家看到從PDG轉(zhuǎn)出來的PDF，會和原始PDG差那么多？
我認為這方面最大的罪魁禍首就是廣為流傳的“打印大法”：將PDG文件直接從超星瀏覽器打印到虛擬PDF打印機。這種方法的制約因素我已經(jīng)在《PDG轉(zhuǎn)圖像、PDF的若干方法》一文中加以說明，對轉(zhuǎn)換出來的PDF舉行分析所需的工具和方法，也在《圖像轉(zhuǎn)PDF的問題、方法及題外話》一文中詳細說明，喜歡較真的人不妨自己驗證，這里我只說我的結(jié)論：只要用打印的方法，不論如何破解、如何發(fā)現(xiàn)新的突破方法，打出來的PDF文件膨脹、質(zhì)量下降那是注定了的，想改都難，更何況還會受到軟件方面的種種限制 ，所以奉勸各位還是趁早放棄。
另外一種所謂“利用中間BMP”的轉(zhuǎn)換方法也會產(chǎn)生問題：有人先用BooX Viewer或其它軟件將PDG轉(zhuǎn)換成BMP，再用Acrobat或其它軟件將BMP轉(zhuǎn)換成PDF。這種方法只能將T1圖像無損轉(zhuǎn)換成PDF；對于T2、T3，由于很難將BMP圖像無損存入PDF（那樣尺寸膨脹太過厲害），只能再壓縮成JPG或JPEG 2000后存入PDF，因此質(zhì)量下降、尺寸膨脹等問題是免不了的。
那么什么樣的方法才是正確的轉(zhuǎn)換方法呢？
我的回答是：條條大道通羅馬，只要拋棄表層皮毛的束縛，直接深入到文件格式內(nèi)部，就可以找到好的方法。就我自己來說，最常用的組合是Pdg2Pic＋FreePic2Pdf：
- 先用Pdg2Pic將PDG直接解碼成常規(guī)圖像文件。能夠?qū)DG轉(zhuǎn)圖像的軟件不少，但是Pdg2Pic對除彩色/灰度DjVu外的圖像都能無損轉(zhuǎn)換，尤其是對多層PDG的無損分解，目前是獨一無二的。
- 再用FreePic2Pdf將Pdg2Pic的結(jié)果合并成PDF，黑白圖像用缺省的Jbig2無損就好。?
轉(zhuǎn)載于:https://www.cnblogs.com/stronghorse/p/4913239.html
總結(jié)
以上是生活随笔為你收集整理的PDG转PDF注定会文件膨胀、质量下降吗？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 前端学习（666）：赋值运算符
- 下一篇： Foobar2000目前最强解码方案