Как преобразовать DjVu в PDF с поддержкой дедупликации формы

1315
Tobia

Одним из (многих) преимуществ сжатия отсканированной страницы с помощью DjVu является то, что она не дублирует символы:

… Сжатие битовых изображений, которое использует повторы практически идентичных форм на странице (например, символы) для эффективного сжатия текстовых изображений.

К сожалению, функция экспорта PDF в DjView (и его аналог из командной строки ddvju) отбрасывает это преимущество и отображает одно изображение для каждой страницы. В результате PDF-файл обычно в 2 раза больше файла DjVu.

Поскольку формат PDF более чем способен сохранять изображение один раз и многократно отображать его на странице, мне было интересно, существуют ли какие-либо инструменты, которые генерируют оптимизированный PDF-файл, сохраняющий сжатую структуру DjVu.

2

2 ответа на вопрос

0
David

If I understand your problem correctly, and it is a little bit vague, is that you have a number of DjVu files that you would like to convert to PDF. The DjVu's that you want to convert have been generated from a scanner and thus the underlying data format is a bitmap/raster/picture graphics type format.

You are incorrectly assuming the capabilities of the PDF format (Adobe Spec) (Wikipedia Article). The PDF format is basically a simple mark-up language that describes how to format and place text and images on a page, do basic vector drawing, and also has the ability to have picture data encoded with in it. The text and page description mark-up language is usually then encoded with either the LZW or Flate compression algorithms. The picture data is stored as either JPEG (Page 39), TIFF (Page 71) or GIF (Page 842).

The PDF format does not use any novel technology like the DjVu format (DjVu Spec) (Wikipedia Article) does. Basically DjVu scans an entire document and looks for things that it can combine together, and then leave a reference to where each object appears. The DjVu format is much more clever than PDF in this regard. In a sense the DjVu format is more similar to a JPEG than it is to PDF when you look at the how the algorithm operates across an entire multi-page document.

A PDF document created by a scanner is just a series of pages defined to be a certain size, with a JPEG pasted into each page. You could run the PDF Data through an OCR (Optical Character Recognition) process, and recreate the document in a text format, and this would hugely reduce the size of the PDF document. The PDF document does not have OCR built into the format, but some readers, such as the Adobe Reader, has built-in OCR that lets you search within a JPEG-type PDF document.

I also understand that the Adobe Acrobat does have OCR processing capability. There are other programs, OmniPage comes to mind, as well as there are a number of open source OCR systems out there.

0
Richard

Я не знаю ни одного способа использования Linux, но с помощью Windows программа DjVuToy будет делать то, что вы хотите. Он сохраняет слои отдельно и конвертирует их по отдельности из DjVu в PDF-эквивалент. Размер файла останется примерно таким же, и теперь документ можно будет просмотреть с помощью большинства программ чтения PDF.

Потрясающие! Это именно то, что мне было нужно. Используя DjVuToy, я могу конвертировать 27 МБ DjVu в 30 МБ PDF с тем же разрешением, в отличие от 56 МБ PDF, созданного стандартными инструментами DjVu. Это большая разница в размерах для многих пользователей. Для всех, кто интересуется, где его взять, перейдите на [домашнюю страницу автора] (http://www.cnblogs.com/stronghorse/), нажмите на заметку в блоге и перейдите по ссылке на общую папку [автора в Baidu] (http://yun.baidu.com/s/1qXFS9dy). Я открыл ее на виртуальной машине, потому что это моя политика со странным программным обеспечением, но она работает хорошо и кажется законной. Tobia 6 лет назад 0

Похожие вопросы