視覺資源數(shù)字對象格式與精度研究

彭建波 史國祥 孫勁松

摘要在文獻(xiàn)調(diào)研、網(wǎng)絡(luò)調(diào)研、實(shí)地走訪和實(shí)驗(yàn)的基礎(chǔ)上，對視覺資源數(shù)字對象常用的GIF、JPEG、JPEG2000、TIFF、DjVu等格式進(jìn)行了分析，指出JPEG是視覺資源數(shù)字化過程中得到廣泛應(yīng)用的一種成熟格式，JPEG2000是一種較好的替代格式；DjVu格式不適合視覺資源的數(shù)字化；視覺資源數(shù)字化的最佳格式模式是采用600dpi全彩色TIFF格式進(jìn)行掃描，再將掃描文件轉(zhuǎn)換為300dpi的JPEG2000格式，采用Deep Zoom技術(shù)進(jìn)行網(wǎng)絡(luò)呈現(xiàn)。

關(guān)鍵詞視覺資源數(shù)字化圖像格式Deep Zoom

1問題的提出

高等學(xué)校中英文圖書數(shù)字化國際合作計(jì)劃(cADAL)是國家發(fā)展和改革委員會(huì)、教育部、財(cái)政部確立的“十五”期間“211工程”公共服務(wù)體系建設(shè)的重要組成部分，目前正在進(jìn)行二期項(xiàng)目的建設(shè)準(zhǔn)備工作。CADAL美術(shù)資源數(shù)字化項(xiàng)目是以中國美術(shù)學(xué)院圖書館的美術(shù)資源為基礎(chǔ)，聯(lián)合國內(nèi)其他美術(shù)院校圖書館，對涵蓋文字、圖像和影音信息的美術(shù)資源進(jìn)行大規(guī)模、系統(tǒng)化的數(shù)字化建設(shè)，是CADAL二期擬建設(shè)的子項(xiàng)目之一。美術(shù)作品數(shù)據(jù)庫(群)的建設(shè)是其核心內(nèi)容，即將館藏的美術(shù)作品原件、高仿畫、文物、畫冊等視覺資源數(shù)字化，建設(shè)成國畫、油畫、版畫、雕塑、書法、篆刻、建筑等數(shù)據(jù)庫(群)，同時(shí)，實(shí)現(xiàn)數(shù)據(jù)庫(群)的統(tǒng)一檢索。

從廣義上講，所有的圖像資源都是視覺資源，如地圖、照片、醫(yī)療圖像等；從狹義上講，視覺資源一般專指美術(shù)圖像資源，如北美地區(qū)的視覺資源協(xié)會(huì)(Visual Resources Association)便是專門研究美術(shù)圖像資源的行業(yè)協(xié)會(huì)。本文所指的視覺資源專指狹義上的美術(shù)圖像資源，在色彩上，它比地圖、醫(yī)療圖像等視覺資源具有更高的要求。選擇合適的數(shù)字對象格式與精度是視覺資源數(shù)字化建設(shè)的首要問題，它不僅關(guān)系到內(nèi)容的呈現(xiàn)方式，還關(guān)系到信息的存儲(chǔ)成本及其搜索、利用程度等問題。

本文擬根據(jù)文獻(xiàn)調(diào)研、網(wǎng)絡(luò)調(diào)研、實(shí)地走訪和實(shí)驗(yàn)等方式，探討視覺資源數(shù)字化過程中所應(yīng)選用的格式與精度。

2視覺資源數(shù)字對象的常用格式

視覺資源數(shù)字對象的格式達(dá)幾十種之多，主要有GIF、JPEG、JPEG2000、TIFF、PDF、PNG等等。針對國內(nèi)外視覺資源數(shù)字對象常用的幾種格式介紹如下：

GIF格式是一種壓縮的8位圖像文件，其特點(diǎn)是壓縮比高，磁盤空間占用較少，下載速度快，還增加了漸顯方式，但是，它不能存儲(chǔ)超過256色的圖像，不能用于存儲(chǔ)真彩的圖像文件。

JPEG格式由聯(lián)合照片專家組(Joint Photograph—ic Experts Group)開發(fā)并命名為“ISO 10918-1”，JPEG只是一種俗稱而已。目前各類瀏覽器均支持JPEG這種圖像格式，它主要用于壓縮靜態(tài)圖像，只能支持有損壓縮。JPEG格式的文件尺寸較小。下載速度快，適合在網(wǎng)絡(luò)上傳輸。

JPEG2000是JPEG的升級版，其壓縮率比JPEG高約30％，同時(shí)支持有損和無損壓縮，而且能實(shí)現(xiàn)漸進(jìn)傳輸。此外，它還支持“感興趣區(qū)域”特性，用戶可以指定影像上任何感興趣區(qū)域的壓縮質(zhì)量，還可以選擇指定的部分先解壓縮。

TIFF的正式名稱叫標(biāo)簽圖像文件格式(TaggedImage File Format，簡寫為TIFF)，是一種主要用來存儲(chǔ)包括照片和藝術(shù)圖像在內(nèi)的圖像文件格式。它存儲(chǔ)的圖像細(xì)微層次的信息非常多，圖像的質(zhì)量也得以提高，非常有利于原稿的復(fù)制。該格式有壓縮和非壓縮二種形式，文件尺寸較大，不適合網(wǎng)絡(luò)傳輸。

DjVu格式是AT&T實(shí)驗(yàn)室針對掃描文檔、數(shù)字文檔或照片中高解析度的Web應(yīng)用開發(fā)的格式，其文檔壓縮率比現(xiàn)有的JPEG和GIF等格式彩色文檔優(yōu)5到10倍，比TIFF格式的黑白文檔好3到8倍。同樣的內(nèi)容，DjVu比PDF(或TIFF)的壓縮率高近一倍，對彩色圖像更是獨(dú)具優(yōu)勢，以300dpi全彩色方式掃描的文檔可被從25MB大小壓縮到30-100KB大小。

3視覺資源數(shù)字對象格式與精度的應(yīng)用現(xiàn)狀

在互聯(lián)網(wǎng)上，諸多項(xiàng)目對視覺資源數(shù)字對象的格式與精度有著不同的選擇，對這些項(xiàng)目進(jìn)行調(diào)研，對CADAL美術(shù)資源數(shù)字化項(xiàng)目選用合適的數(shù)字對象格式與精度有著重要的參考意義。調(diào)研發(fā)現(xiàn)，視覺資源數(shù)字對象格式與精度的應(yīng)用主要有三種模式：

模式一：單一格式模式。在這種模式下，網(wǎng)站提供JPEG格式或GIF格式的圖像供用戶檢索、瀏覽。如香港迪志文化公司的“文淵閣四庫全書電子版”用GIF格式來處理插圖；西安建筑科技大學(xué)的“建筑數(shù)字博物館”中的圖像采用GIF格式或JPEG格式；大量的項(xiàng)目則是采用JPEG格式的圖像，如歐洲數(shù)字圖書館、大英圖書館“美術(shù)館在線”、日本國會(huì)圖書館“貴重書畫像”、蓬皮杜文化藝術(shù)中心、巴黎盧浮宮藝術(shù)圖像數(shù)據(jù)庫、意大利烏菲茲數(shù)字美術(shù)館、CAMIO藝術(shù)博物館在線、firstVIEW時(shí)裝圖片數(shù)據(jù)庫、臺灣華藝公司的“世界美術(shù)資料庫”和“故宮在線”、徐州師范大學(xué)圖書館“中國漢代畫像石(磚)數(shù)據(jù)庫”，等等。這些項(xiàng)目中的圖像文件大小不等，一般在100K-300K之間，如大英圖書館“美術(shù)館在線”中的圖像文件；較大的圖像文件可達(dá)到1M左右，如徐州師范大學(xué)圖書館“中國漢代畫像石(磚)數(shù)據(jù)庫”中的圖像文件。

模式二：保存文件與瀏覽文件同時(shí)在線提供模式。在這種模式中，對資源進(jìn)行數(shù)字化加工時(shí)一般選用TIFF格式，然后再將其轉(zhuǎn)換為低精度的JPEG格式，在網(wǎng)站中同時(shí)提供TIFF格式的保存文件和JPEG格式的瀏覽文件；TIFF格式文件供用戶下載使用，JPEG格式文件供用戶檢索、瀏覽。此模式最為典型的當(dāng)屬美國國會(huì)圖書館的“美國記憶”項(xiàng)目，其保存文件采用300dpi掃描的TIFF格式，文件大小達(dá)幾兆，甚至幾十兆；瀏覽文件采用300dpi的JPEG格式，文件大小從幾十K到幾M不等；縮略圖一般采用GIF格式，文件大小在100K左右。

模式三：保存文件與瀏覽文件分離模式。在這種模式中，對資源進(jìn)行數(shù)字化加工時(shí)一般選用TIFF格式，然后再將其轉(zhuǎn)換為低精度的JPEG格式；TIFF格式的源文件用于長期保存，不上網(wǎng)提供服務(wù)，轉(zhuǎn)換后的JPEG格式文件上網(wǎng)提供檢索、瀏覽。如美國加州大學(xué)伯克利分校的SHRO(Slide and PhotographImage Retrieval Online，簡稱SPIRO)項(xiàng)目，其數(shù)字對象采用無壓縮的TIFF格式掃描，圖像大小一般為56-60M，保存在光盤上；將其轉(zhuǎn)換為128像素和650像素兩種JPEG格式后，上網(wǎng)提供檢索、利用。再如北京大學(xué)圖書館“古籍琳瑯”項(xiàng)目，其視覺資源采用300dpi的TIFF格式進(jìn)行掃描，源文件作為保存文件，不上網(wǎng)提供服務(wù)，對源文件進(jìn)行衰減，轉(zhuǎn)化成

三種大小規(guī)格的JPEG文件后上網(wǎng)提供服務(wù)，轉(zhuǎn)換后最大的圖像文件約2M左右?！爸袊鴶?shù)字科技館”項(xiàng)目、“數(shù)字故宮”項(xiàng)目和中國國家圖書館自建圖像數(shù)據(jù)庫項(xiàng)目等亦采用此種模式。

4對視覺資源數(shù)字對象格式與精度的實(shí)驗(yàn)

4.1實(shí)驗(yàn)環(huán)境

掃描儀采用中晶公司Microtek9800XL，最高分辨率為9600dpi，最高色彩深度達(dá)48位，最大掃面幅面為A3，掃描軟件為MICROTEK SCANWIZARDPRO V6.511。PC機(jī)采用IBM L150，CPU為CEL，ERON2.66，內(nèi)存1G，顯卡為NVIDIA GFMX4000。操作系統(tǒng)為WINXPSP3。圖片判讀工具為ACD，seel0；圖片傳輸測試軟件為FASTCOPY V1.92；網(wǎng)絡(luò)環(huán)境為百兆以太局域網(wǎng)。實(shí)驗(yàn)過程中，采用24位色彩深度和不同的分辨率對印刷版的畫冊進(jìn)行數(shù)字化加工。

4.2實(shí)驗(yàn)對象

視覺資源主要包括國畫、油畫、版畫、雕塑、書法、篆刻、攝影、建筑、環(huán)境藝術(shù)等類型。其中，雕塑、建筑和環(huán)境藝術(shù)是對立體作品拍攝產(chǎn)生的攝影作品，與攝影作品同類；書法和篆刻亦為同類作品。因此，在試驗(yàn)過程中，只需選取國畫、油畫、版畫、書法、攝影五類作品進(jìn)行數(shù)字化加工即可。實(shí)驗(yàn)對象統(tǒng)一采用A4幅面的畫冊進(jìn)行數(shù)字化掃描。

4.3實(shí)驗(yàn)結(jié)果

各類型資源實(shí)驗(yàn)結(jié)果如表1所示：

實(shí)驗(yàn)結(jié)果表明：各類型視覺資源采用相同的格式和精度進(jìn)行數(shù)字化所獲得的數(shù)字對象，其文件大小相差無幾。600dpi的TIFF文件最大，視覺效果最好；300dpi的TIFF文件要比600dpi的J-PEG和JPEG2000文件大，視覺效果要好；在掃描精度相同的情況下，JPEG2000文件比JPEG文件小，但視覺效果要好；DjVu文件最小，但視覺效果最差，肉眼看上去，感覺有一層霧，不清晰。從文件大小和傳輸時(shí)間來看，600dpi分辨率的各種格式文件和300dpi分辨率的TIFF文件大小均在5M以上，在數(shù)據(jù)下載量大的情況下，這樣大的文件將使網(wǎng)絡(luò)嚴(yán)重堵塞；300dpi的JPEG2000文件大小約2，6M，在局域網(wǎng)中的傳輸速度不到1秒，且其視覺效果比相同分辨率的JPEG和Djvu文件清晰，顯然是一種值得選擇的文件格式。

與大多數(shù)項(xiàng)目選用TIFF格式或JPEG格式不同，CADAL項(xiàng)目對視覺資源采用600dpi的TIFF格式進(jìn)行數(shù)字化加工，然后將TIFF格式文件轉(zhuǎn)換為300dpi的DjVu格式，上網(wǎng)提供服務(wù)。表2是按照CADAL加工規(guī)范轉(zhuǎn)換后的DjYu格式文件同按照300dpi掃描的DjVu格式文件和JPEG2000格式文件的大小對比表。

對照表表明：600dpi的TIFF格式文件轉(zhuǎn)換為300dpi的DjVu格式文件后，文件大小得到了大幅壓縮，比300dpi的DjVu掃描文件還要小。但是，從視覺效果來看，轉(zhuǎn)換后的DjVu格式文件清晰度遠(yuǎn)沒有300dpi的JPEG2000格式文件高?？梢?，DjVu格式不適用于視覺資源的數(shù)字化。

5視覺資源數(shù)字對象呈現(xiàn)的新技術(shù)——Deep Zoom

2009年4月21日，世界數(shù)字圖書館開通，其視覺資源數(shù)字對象采用了一種新的呈現(xiàn)技術(shù)——DeepZoom，它是由“Seal)argon”團(tuán)隊(duì)創(chuàng)建的一種新技術(shù)。Deep Zoom提供高效縮放SilverHght中幾乎任意的大圖像的功能，用戶可以以很大或很小的比例來顯示圖像，而不影響應(yīng)用程序顯示圖像的性能，影響性能的唯一因素是顯示器的像素?cái)?shù)。簡單地說，DeepZoom技術(shù)就是能讓用戶查看很大的一副圖片，但僅僅將當(dāng)前顯示的部分發(fā)送到用戶的瀏覽器里；用戶也可以對圖像進(jìn)行平滑的縮放和平鋪，這就使得用戶不必花費(fèi)大量時(shí)間來下載一副很大的圖片數(shù)據(jù)，而只需下載其中所要查看的那部分的數(shù)據(jù)，從而節(jié)省下載時(shí)間和網(wǎng)絡(luò)帶寬。在Hard Rock Memora，bilia網(wǎng)站中，我們可以看到，對于由1001副高精度圖像組成的圖像集合，我們可以將其中任何一幅圖像進(jìn)行無限放大，圖像質(zhì)量依然非常清晰。

Deep Zoom的原理是通過使用圖像棱錐圖來實(shí)現(xiàn)按需提供分辨率不同的圖像。圖像棱錐圖將圖像平鋪到256x256的]PEG或PNG圖像圖塊中，并將圖像的低分辨率版本也存儲(chǔ)在圖塊中。每個(gè)圖塊存儲(chǔ)在單獨(dú)的文件中，并且每個(gè)棱錐圖級別存儲(chǔ)在單獨(dú)的文件夾中。在棱錐圖底部以最高分辨率顯示圖像本身，最高分辨率圖像旁邊存儲(chǔ)分辨率逐漸下降的版本，最低為4x4像素。每個(gè)棱錐圖級別上的圖像存儲(chǔ)在256x256像素圖塊中。這使Deep Zoom可以只提取屏幕上當(dāng)前圖像大小所需的那些圖塊，而不用下載整個(gè)圖像。通過Deep Zoom Composer軟件，可以將PNG、]PEG、TIFF、BMP格式的圖像以Deep Zoom技術(shù)呈現(xiàn)。

Deep Zoom技術(shù)為我們進(jìn)行視覺資源數(shù)字化建設(shè)提供了新的思路。如前所述，現(xiàn)有項(xiàng)目大多采用JPEG或TIFF格式，現(xiàn)在，我們可以運(yùn)用Deep Zoom來呈現(xiàn)]PEG或TIFF格式的圖像文件，這種方式將為用戶帶來更為快捷的瀏覽和更為流暢的縮放；由于用戶不必下載整幅圖像的數(shù)據(jù)，網(wǎng)絡(luò)流量的壓力也將得以減輕。

6結(jié)論

CADAL美術(shù)資源數(shù)字化項(xiàng)目的建設(shè)目的是為美術(shù)專業(yè)教學(xué)、科研提供豐富的圖像資源，基于美術(shù)專業(yè)人員對圖像質(zhì)量的專業(yè)要求，其圖像質(zhì)量應(yīng)高于一般性的數(shù)字化項(xiàng)目。結(jié)合上述各調(diào)研項(xiàng)目的應(yīng)用現(xiàn)狀、實(shí)驗(yàn)結(jié)果，以及對Deep Zoom的研究，我們認(rèn)為：盡管DjVu格式能將文件壓縮到很小，但由于其視覺效果不理想，對視覺資源的數(shù)字化建設(shè)并不適用；視覺資源的數(shù)字化加工應(yīng)采用TIFF格式，掃描精度不低于600dpi，色彩深度應(yīng)達(dá)到24位及以上。掃描所得的源文件可離線保存在移動(dòng)硬盤、光盤或磁帶庫中，作為數(shù)字資產(chǎn)長期保存。對源文件衰減、轉(zhuǎn)換為300dpi的JPEG2000格式后，可上網(wǎng)供用戶下載，同時(shí)運(yùn)用Deep Zoom技術(shù)將衰減后的JPEG2000文件在網(wǎng)絡(luò)上呈現(xiàn)，供用戶檢索、瀏覽。