作者：馬健
郵箱：[email protected]
發(fā)布：2006.07.16
更新：2006.07.20

事先聲明：

1. PDG文件是超星公司電子圖書(shū)的專(zhuān)有格式,，需要用超星公司的專(zhuān)用瀏覽器才能閱讀,。本文討論P(yáng)DG轉(zhuǎn)PDF的方法，僅出于技術(shù)研究目的,，并無(wú)意對(duì)超星公司的版權(quán)進(jìn)行任何形式的侵犯,，也不希望任何人用本文討論的工具或方法從事侵權(quán)活動(dòng)。如果需要瀏覽PDG電子書(shū),，請(qǐng)通過(guò)購(gòu)買(mǎi)點(diǎn)卡等方式,，以合法的途徑獲得。本文 認(rèn)為用戶(hù)通過(guò)合法的手段獲得PDG文件,，只是由于希望能夠在比超星瀏覽器更好,、更方便的瀏覽器上閱讀，并且不對(duì)轉(zhuǎn)換出來(lái)的文件進(jìn)行擴(kuò)散的情況下,，才需要將PDG文件轉(zhuǎn)換成PDF文件,。
2. 本文所說(shuō)PDG，是指最常見(jiàn)的純圖像格式PDG文件,，不包括罕見(jiàn)的文本,、PDF、HTML等格式的PDG文件,。

對(duì)于標(biāo)題所提問(wèn)題,，我的回答是：大多數(shù)情況下轉(zhuǎn)換后文件長(zhǎng)度應(yīng)該相當(dāng),，略有增加或減少，質(zhì)量應(yīng)該保持不變,。如果文件長(zhǎng)度,、畫(huà)面質(zhì)量差很多，多半是用錯(cuò)了方法或軟件,。本文將說(shuō)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(duì)PDG文件格式進(jìn)行分類(lèi),，并估計(jì)每種PDG文件出現(xiàn)的可能性。

目前比較流行的分類(lèi)方法是按照PDG文件第16字節(jié)分類(lèi),，通常PDG文件格式檢查軟件都是按照這個(gè)字節(jié)的16進(jìn)制報(bào)告文件類(lèi)型,，如00H、02H,、03H,、04H、05H,、10H,、11H、AAH,、ACH,、64H、66H等等,。由于這種分類(lèi)法分出來(lái)的類(lèi)型較多（理論上有256種）,，所以通常也按字節(jié)高4位進(jìn)行歸類(lèi)，簡(jiǎn)稱(chēng)0xH,、1xH,、AxH、6xH等,。

這種分類(lèi)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(wù)器上,，這種格式的文件已經(jīng)非常少見(jiàn)，但是由于這種格式閱讀的時(shí)候不需要解密,，因此閱讀 時(shí)的速度感覺(jué)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(duì)00H的弱加密格式，通常02H,、03H用來(lái)加密CCITT G4圖像,，04H加密JPG，05加密DjVu,。順便說(shuō)一句,，可能是為了盡量減小文件長(zhǎng)度,，超星在壓制DjVu時(shí),，用的都是有損壓縮，可能會(huì)對(duì)漢字筆劃造成損傷,，這也是為什么經(jīng)常聽(tīng)到有人說(shuō)05H不如02H清晰的原因之一,。
• 1xH是比0xH更強(qiáng)的加密，加密方法不再與原始圖像格式對(duì)應(yīng),，如11H可以加密CCITT G4,，也可以加密JPG、DjVu,。
• AxH的加密強(qiáng)度比1xH更強(qiáng),，加密方法也不與原始圖像格式對(duì)應(yīng)。正版超星瀏覽器如果下載到AxH格式的PDG,，會(huì)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(wù)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(pán)“指紋”,，因此只能在下載的機(jī)器上看,，換一臺(tái)就不能看。

但是加密方法畢竟是超星自己的事,，用這種分類(lèi)方法往PDF格式上套未免有點(diǎn)難,。所以我更愿意用另一種分類(lèi)標(biāo)準(zhǔn)：超星瀏覽器自帶的Pdg2控件的GetImageType方法的返回值。這個(gè)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(duì)應(yīng)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?？赡艹怯X(jué)得掃描時(shí)區(qū)別灰度,、彩色太麻煩了，所以灰度圖像一律按彩色存儲(chǔ),，這 也是國(guó)內(nèi)掃描外包商的通常做法,，但是對(duì)技術(shù)較真的客戶(hù)一般會(huì)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(cè)這種類(lèi)型應(yīng)該是在DjVu基礎(chǔ)上發(fā)展出來(lái)的,，符合“按需存儲(chǔ)”的原則：對(duì)于重要的文字層使用無(wú)損壓縮,，對(duì)于相對(duì)不重要的插圖則用有損壓縮存儲(chǔ)。

從出現(xiàn)的概率來(lái)說(shuō),，這三種格式按從高到低排列依次是T1,、T3、T2：

• 最常見(jiàn)的格式還是T1,，畢竟大多數(shù)書(shū)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(yè),，或某些彩印書(shū)籍,。
• T2出現(xiàn)的概率最小，畢竟除了封面和某些特殊書(shū)籍外,，整頁(yè)都是圖的情況在一本書(shū)里也不會(huì)有幾頁(yè),，而封面、封底還有很大一部分直接用JPG文件存儲(chǔ),。

在轉(zhuǎn)換成PDF時(shí),，正常情況下這三種格式與PDF中壓縮算法的對(duì)應(yīng)關(guān)系為：

• T1：CCITT G4或JBig2。
• T2：JPEG或JPEG 2000,。
• T3：這個(gè)比較復(fù)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(gè)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(huì)略有膨脹，因?yàn)镻DF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(huì)增加，只會(huì)減少，畢竟JBig2的壓縮算法要比CCITT G4更先進(jìn),。

如果T1原始圖像是DjVu,，轉(zhuǎn)換成PDF的CCITT G4后文件無(wú)疑將會(huì)膨脹；轉(zhuǎn)換成JBig2則取決于是有損JBig2還是無(wú)損JBig2,。理論上說(shuō),，DjVu對(duì)黑白圖像的壓縮能力與JBig2相當(dāng)，但由于超星用的全是有損DjVu,，因此轉(zhuǎn)換成PDF時(shí)只有選有損JBig2才能保持二者尺寸 大致相當(dāng),，選無(wú)損JBig2則會(huì)造成文件膨脹。由于有損壓縮會(huì)對(duì)漢字筆劃造成損傷,，因此我寧愿文件長(zhǎng)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(huì)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(zhǎng)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(lái)會(huì)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(zhǎng)度可能增加也可能減小,，質(zhì)量多半會(huì)下降。

對(duì)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(wú)損JBig2壓縮原CCITT G4圖像，則PDF文件尺寸會(huì)減小,，同時(shí)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(zhǎng)度會(huì)增加,，質(zhì)量會(huì)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(shuō),，對(duì)于最常見(jiàn)的黑白PDG，轉(zhuǎn)換成PDF后應(yīng)該長(zhǎng)度略有減少，質(zhì)量保持不變,；對(duì)于帶插圖的多層PDG,，轉(zhuǎn)換成PDF后應(yīng)該長(zhǎng)度略有減少，質(zhì)量保持不變,；對(duì)于純圖像頁(yè)面的PDG,，轉(zhuǎn)換后長(zhǎng)度可能略有增加而質(zhì)量不變，也可能長(zhǎng)度,、質(zhì)量都有較大變化,，但是這種頁(yè)面畢竟不多。

現(xiàn)在各位明白我在本文開(kāi)始部分給出的回答的含義了吧,？

在明白的同時(shí),，我相信也會(huì)有人合理地引伸出另外一個(gè)問(wèn)題：為什么現(xiàn)在大家看到從PDG轉(zhuǎn)出來(lái)的PDF，會(huì)和原始PDG差那么多,？

我認(rèn)為這方面最大的罪魁禍?zhǔn)拙褪菑V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(jī),。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(shuō)明,，對(duì)轉(zhuǎn)換出來(lái)的PDF舉行分析所需的工具和方法,，也在《圖像轉(zhuǎn)PDF的問(wèn)題、方法及題外話(huà)》一文中詳細(xì)說(shuō)明,，喜歡較真的人不妨自己驗(yàn)證,，這里我只說(shuō)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(lái)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(huì)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(huì)產(chǎn)生問(wèn)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(wú)損轉(zhuǎn)換成PDF,；對(duì)于T2,、T3，由于很難將BMP圖像無(wú)損存入PDF（那樣尺寸膨脹太過(guò)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(wèn)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(lái)說(shuō)，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(duì)除彩色/灰度DjVu外的圖像都能無(wú)損轉(zhuǎn)換，尤其是對(duì)多層PDG的無(wú)損分解,，目前是獨(dú)一無(wú)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(wú)損就好,。