给清晰版PDG无损减肥 - 网上读书园地 - 信息资讯 - 专业交流

新手学园	检索方法	国内文献	国外文献	FTP联盟	BT资源	网络资源	计算机技术	读书软件	外语学习
网络经管	法律之窗	生命科学	教学相长	学术妙笔	读书参考	文学原创	多媒体	书园茶社	茶社转贴
强国梦	秋爽斋	淡泊草	水清木华	书园旧梦

您的位置：

首页 >> 信息资讯 >> 专业交流 >> 读书软件 >> 查看内容

给清晰版PDG无损减肥

作者: strnghrs 发布日期: 2007-1-08 查看数: 出自: 网上读书园地

清晰版虽好，不过收集多了也占地方，所以我认为讨论一下怎么给它减减肥还是很有必要的。另外收集清晰版的目的本来就是为了质量，所以一切有损的方法都不在本文讨论之列，包括缩小图像尺寸等，如果您喜欢这样的方法，建议直接去下载快速版还更方便。

讨论之前，首先要从理论上解决一个问题：清晰版能不能再被无损压缩？
我的回答是：当然能，而且压缩空间还不小，只不过技术有点复杂。
我的理由如下：
对于清晰版来说，T1、T2、T3的存储格式分别为
T1：CCITT G4
T2：JPG
T3：CCITT G4 ＋ JPG
首先说CCITT G4，这个只要把它压缩成DjVu，至少可以砍掉20%的文件长度，而且还是无损，如果对于字母文字页采用有损DjVu还能压掉更多。
其次说JPG。T3里的JPG插图实在没有什么办法可想，但是其实大多数尺寸令人咬牙切齿的清晰版，都是T2格式的单层JPG。对T2 JPG的减肥办法，就是把它分解成T3，文字部分用DjVu，插图无损切割到最小尺寸，还是用JPG。

所以从理论上说，对清晰版无损减肥是可以做到的，不过有几个技术问题需要解决：
1、将CCITT G4转换成DjVu，并封装成PDG。这个好办，转换代码是现成的，PDG文件00H格式也没有悬念，直接把DjVu数据流写在文件头后面就可以了。
2、将T2转换成T3。这个最难，难就难在怎样将插图与文字切割开。对于搞OCR的人来说，这个是必须过的第一关，其它人可能就会过不去，至少我现在就不知道怎么过。
3、在将插图识别出来后，将插图从整页JPG中无损切割下来。这个也好办，网上有开源的，网站为http://jpegclub.org。

如前所述，减肥的理论和方法都已经具备了，缺的就是将插图与文字切割开的方法和代码。由于种种原因，我不能去钻研这种技术，如果有人能够无偿提供，并且愿意授权大家无偿使用，我将表示热烈的欢迎！除此之外，PDG和DjVu部分我相信我还能搞定。

当然减肥也不是没有代价的：超星浏览器打开DjVu格式的文件，会比CCITT G4的稍微慢那么一点点。

【论坛浏览】【我来说两句】【打印】【大】【中】【小】【关闭】

相关评论

作者: slonecn 发布日期: 2007-1-08

阻碍老马攻破的第二条不就是超星文本那种图文混和格式吗？不知道那位专搞OCR软件的能人义士能无偿提供，并且愿意授权大家无偿使用，我们将表示热烈的欢迎！

作者: strnghrs 发布日期: 2007-1-08

QUOTE:

引用第1楼slonecn于2007-01-08 17:47发表的“”:
阻碍老马攻破的第二条不就是超星文本那种图文混和格式吗？不知道那位专搞OCR软件的能人义士能无偿提供，并且愿意授权大家无偿使用，我们将表示热烈的欢迎！

不是图文混和，是通常多层PDG那样，黑白文字层在下面，上面每个插图一幅图片。

作者: sunhuilove 发布日期: 2007-1-08

adobe acrobat 8发布了，好像有点研究的地方，希望老马有空了看看

作者: strnghrs 发布日期: 2007-1-08

楼上的几位千万不要搞错，我说的并不是要把图像识别成文字，而是用到OCR软件识别图文混排的技术，将每页一个JPG的文件，分解成T3格式的多层PDG，文字部分转换成黑白图像，插图部分尽量裁小，这样可以大幅减小最终文件长度，同时效果不变。
Acrobat 8的OCR试过了，识别准确率别说国内的几家，连微软的Office都比它强，也就是能够直接生成双层PDF，还算有点卖点。

作者: funclub 发布日期: 2007-1-08

清晰版确实有点占空间，很好的想法，期待中。。。

作者: sunhuilove 发布日期: 2007-1-08

明白老马的意思，我的意思是说，adobe的ocr可以只扣出来里面的文字识别，不理会图像，另外你说的对，adobe8的识别率确实不敢恭维

作者: coolman 发布日期: 2007-1-08

估计还是手工选择快点. 这个我做pdgmaker时曾经设想过, 不过考虑到需要此功能的人不多, 就懒得做了.

另外即使分离开了, 文字部分变为黑白的, 也不可能做到完全无损, 因为这部分多半是灰度图像.

作者: coolman 发布日期: 2007-1-08

另外,谁给个镜像文本格式书的在线阅读连接格式啊. 发现supper不支持文本pdg的虚拟阅读. 谢谢了.

作者: 千里走单骑发布日期: 2007-1-08

老马是一流的数图专家，如果超星能用你，超星软件会有个大飞跃的。可惜不相信他们会识人才。

作者: winwun 发布日期: 2007-1-08

QUOTE:

引用第8楼coolman于2007-01-08 18:48发表的“”:
另外,谁给个镜像文本格式书的在线阅读连接格式啊. 发现supper不支持文本pdg的虚拟阅读. 谢谢了.

没有镜象的，主站的倒有不少，例如book://ss10496975

共有评论数 32/每页显示数 10

我来说两句

请遵守国家法律和互联网法规。
您要为您所发的言论的后果负责，故请各位遵纪守法并注意语言文明。

注意：系统启用了静态/缓存功能，您的回复可能不能立即显示。

热点主题

·	【停止销售】SUPPER 3天试用销售贴，特为
·	说“层”
·	在线djvu图书书签的提取－编辑－加挂
·	为什么要用pizza pro?用BXview一样可以阅
·	超星文本下载后转为单个pdf文件后用什么软
·	ieHttpHeader软件下载！
·	专利下载利器GetIPDL
·	转帖：手工计算有试读（有封面）ss号的方法
·	高等学校中英文图书数字化国际合作计划所
·	装了超星3.91，什么超星书都看不到了？
·	编写了一个根据BookInfo.dat对文件目录进
·	不错的pdf资料管理软件Foxit Library，谁
·	超星书图片失真
·	【严正申明】本版不欢迎绕过服务商的验证
·	pizza 的这个问题