Stöd för JBIG2-komprimering

Översikt

HotPDF har inbyggd JBIG2-komprimering och -avkodning för de tvånivåbilder som används av skannad text, formulär och linjegrafik

Viktiga funktioner

Högeffektiv komprimering för tvånivåbilder
Stöd för både förlustfyllda och förlustfria komprimeringslägen
Optimerad för komprimering av text och linjegrafik
Markant mindre filstorlek jämfört med traditionella komprimeringsmetoder
Flersidig kodning med en tränad symbolordbok som delas av alla image XObjects
Exakt detektering av dubblettsidor före klassificering och återanvändning av kodade XObjects när PDF:en byggs ihop
Begränsade sid- och pixelbudgeter med valfri inbyggd Pascal-reservväg

Komprimeringsfördelar

Återanvändning över sidor: Upprepade symboler klassificeras en gång och lagras i delade globala data
Symbolmatchning: Med UseSymbolDictionary lagras upprepade svarta sammanhängande komponenter en gång som symboler, och LossyLevel låter nästan identiska komponenter dela en symbol
Minneseffektivt: Optimerat för bearbetning av stora skannade dokument

Typiska användningsfall

Skannade textdokument
Tekniska ritningar och byggritningar
Formulär och fakturor
Kartor och diagram
Dokument med blandat innehåll, text och grafik

Teknisk implementation

JBIG2-implementationen erbjuder inbyggda Pascal-vägar och en valfri statisk extern backend via dessa APIer

THPDFJBIG2Decoder: Central dekoderklass för JBIG2-komprimerade data
Inbyggd kodningstäckning: MMR-generiska regioner, MQ-generiska regioner, aritmetiska och standard-Huffman-symbolordböcker och textregioner, förfiningssymboler, aggregerade symboler, förfinade textinstanser, bevarade aritmetiska kontexter och avgränsade long-form-referenstabeller
Avgränsad kontextåteranvändning: Sannolikhetsbanker för generiska och förfinade regioner behålls med mallmedvetna storlekar, isoleras mellan fan-out-beroenden och förkastas när deras källa eller mall är inkompatibel
Strömbearbetning: Effektiv hantering av JBIG2-dataströmmar
Stöd för globala ordböcker: Delade och flernivåkedjade symbolordböcker med segmentidentifierare på en, två eller fyra byte
Batchkodare över sidor: THPDFJBIG2Encoder.EncodePagesToByteArrays tränar över hela batchen och returnerar en sidström per indata plus delade globala data
Batchkontrakt: TJBIG2BatchPage beskriver en packad sida, TJBIG2BatchEncodeBackend identifierar den valda implementationen, och TJBIG2BatchEncodeCallback definierar externa batchintegrationer
Dokumentintegration: THotPDF.AddJBIG2ImageBatch och THotPDF.AddJBIG2BitmapBatch kodar innan PDF-grafen muteras, bifogar en delad /JBIG2Globals-ström och returnerar bildindex i indataordning
Batchtelemetri: TJBIG2BatchEncodeStatistics rapporterar vald backend, in- och utdatastorlekar, antal inbyggda symboler och avvisning på grund av budget
Backend-återställning: HPDFJBIG2EncRegisterBackends återställer båda inbyggda kodaranropen efter att tillfälliga applikationsöverskrivningar rensats
HPDFJBIG2SplitSymbolDictionaryGlobals: Delar en sekventiell inbäddad ström i globala ordböcker och sidbildsegment medan beroenderubriker i long-form bevaras
Avkodning av synlig region: THPDFJBIG2Decoder.LoadRegionFromByteArray allokerar bara det begärda fönstret, slår upp dess transitiva ordboksberoenden, komponerar överlappande sidregioner med klippning och hoppar över oberoende regioner utanför fönstret före entropidekodningen
Telemetri för regionsavkodning: LastRegionDecodeStats rapporterar antal avkodade och överhoppade regioner plus avkodade källpixlar, medan UsedIncrementalRegionDecode skiljer den inbyggda fönstervägen från reservvägen med fullständig avkodning
Skanlinjeåtkomst: Dataåtkomst rad för rad för minnessnål bearbetning

Användningsexempel


// Delphi-exempel - bearbetning av JBIG2-komprimerade data
procedure ProcessJBIG2Data;
var
  PDF: THotPDF;
  Decoder: THPDFJBIG2Decoder;
  ImageData: TBytesArray;
  ScanlineData: TBytesArray;
  Row: Integer;
begin
  PDF := THotPDF.Create(nil);
  Decoder := THPDFJBIG2Decoder.Create;
  try
    PDF.BeginDoc;
    PDF.AddPage;

    // Läs in JBIG2-komprimerade bilddata
    if Decoder.LoadFromByteArray(ImageData) then
    begin
      // Bearbeta scanline för scanline för minneseffektivitet
      for Row := 0 to Decoder.Height - 1 do
      begin
        if Decoder.GetScanline(Row, ScanlineData) then
        begin
          // Bearbeta scanline-data efter behov
          // Lägg till på PDF-sidan
        end;
      end;
    end;

    PDF.EndDoc;
  finally
    Decoder.Free;
    PDF.Free;
  end;
end;

Koderalternativ och backends

THotPDF.JBIG2Options: Dokumentets THPDFJBIG2Options, som AddImage(..., icJBIG2) omvandlar till TJBIG2EncodeOptions. Standardvärdena passar skanningar: Lossless=True, LossyLevel=5, RemoveIsolatedBlackPixels=True och BlackDotSize=3
Prickborttagning: Så länge RemoveIsolatedBlackPixels är True rensas svarta sammanhängande komponenter vars bredd och höjd båda är mindre än BlackDotSize innan kodningen, så standardinställningarna tar bort prickar på 2 x 2 pixlar och mindre. Sätt den till False när utdata måste matcha bitmappen pixel för pixel
Val av kodare: UseExternalEncoder (standardvärdet är True) använder den registrerade högeffektiva aritmetiska kodaren; när den är avslagen, saknas eller misslyckas skrivs den inbyggda förlustfria MMR-generiska regionen i stället. UseNativeArithmeticFallback=True provar den inbyggda Pascal-aritmetikkodaren före MMR, och med UseSymbolDictionary=True provas först en symbolordbok med textregioner
DefaultJBIG2EncodeOptions: Alternativen som en fristående THPDFJBIG2Encoder använder: förlustfri, med LossyLevel=0 och utan prickborttagning
Val av avkodare: THotPDF.UseExternalJBIG2Decoder (standardvärdet är True) avkodar inlästa /JBIG2Decode-bilder med den högeffektiva backenden när den är tillgänglig; False använder den inbyggda Pascal-avkodaren
Egna backends: RegisterJBIG2EncoderBackend och RegisterJBIG2DecoderBackend installerar applikationens callbacks, IsJBIG2EncoderBackendAvailable och IsJBIG2DecoderBackendAvailable rapporterar dem, och ClearJBIG2Backends tar bort dem

Klassreferens

THPDFJBIG2Decoder

LoadFromByteArray: Läs in JBIG2-data från en bytearray; returnerar False när data är ofullständig eller formatet inte stöds
GetScanline: Hämta specifika scanline-data
Width/Height: Egenskaper för bilddimensioner

Prestandaoptimering

En fast korpus på 100 skannade sidor komprimeras från 158 300 byte med separata generiska regioner till 33 600 byte med extern träning över sidor, en minskning med 78,8 procent
Samma korpus klaras på 11 ms i stället för 53 ms på Win64 och 16 ms i stället för 77 ms på Win32 i regressionsbenchmarken
Uppslag från sida till symbol är indexerat, och upprepade kodade sidströmmar cachas för batchextraktion i konstant tid
Minneseffektiv scanline-bearbetning
Optimerat för hantering av stora dokument
Minimalt minnesavtryck under dekomprimering

Standarder och efterlevnad

Följer ITU-T T.88-standarden
Stöd för standarden ISO/IEC 14492
Image XObjects i PDF 1.4 eller senare med /JBIG2Decode och /JBIG2Globals
HotPDF skriver inte JBIG2 när PDF/A-utdata är aktiv: AddImage(..., icJBIG2) skriver icCCITT42 i stället och batchinfogning returnerar False
Konsekvens mellan plattformar

Se även