DB31∕T 1066-2017 四值图像电子文档压缩算法

四值图像电子文档压缩算法上海市质量技术监督局发布I Ⅲ V 1 13四值图像电子文档压缩的标准流程 24四值压缩算法技术要求 25四值压缩算法的应用 3Ⅲ本标准按照GB/T1.1—2009给出的规则起草。本标准由上海市政府办公厅电子政务办公室提出并归口。本标准由上海市政府办公厅电子政务办公室、上海金刚石数码研究中心负责起草。为了满足四值图像电子文档压缩算法标准化需求，根据当前使用的电子文档(包括文本文件、电子表单、数字凭证),存在的体量较大、针对性压缩算法少、且已有的电子文档压缩算法的知识产权，可能存在“巨额使用费”陷阱的现状，针对中国文档只有四种颜色(四值)的特点，有必要提出一种需要针对电子文件的标准化的高效压缩算法。采用本标准的TIFF图像文件，作为电子政务与电子商务的电子文档，可以绕过国外软件企业知识1四值图像电子文档压缩算法本标准规定了四值图像电子文档(以下简称四值图像)压缩的标准流程、技术要求和应用等。本标准适用于上海市电子政务与电子商务的四值电子文档的产生与存档。2术语和定义下列术语和定义适用于本文件。无损压缩losslesscompres一个比特位都不能丢失、修改与添加的压缩技术。文本文件textdocuments一种由若干行字符构成的计算机文件作为一种容器存储特定编码格式的字符串。数字凭证digitaldocument张尺寸不等的图片组成的电子文档。电子文档Electronicdocument人们在社会活动中形成的，以计算机盘片、磁盘和光盘等化学磁性材料为载体的电子文档与档案。四值图像Quaternaryimage24Bit位图24-Bitmap由RGB3个字节的位图图像(Bitmap),可以表达为2的24次方，约1600万种颜色。通过两种及其两种以上的压缩算法，复合实施电子文档压缩处理的方法。四值预压缩quaternaryprecompression将采用位图技术且其颜色不超过四种的电子文档，对其位图像素点用2个Bit数字表示(预处理)的压缩过程。注：反之，解压缩过程也称之为四值解压缩。2电子文档压缩前后的体量大小之比。等(图像文件描述的表格和文字特殊应用)四种颜色的文本文件、电子表单和数字凭证都转为TIFF(24)图像文件格式。选用TIFF(24)图像文件格式，是因为它没有版权障碍。而且，可以选用本标准的四值压缩算法进行基于操作系统自动压缩与解压缩。转换后的电子文档具有以下特色：c)确保电子文档创建安全机制的可能性(TIFF文件中创建安全机制和加载安全信息的方法与流程另行描述),使得电子文档使用更加安全；d)使得电子文档(运用痕迹处理技术实现，另行描述)既能让人“看”得懂，又能让计算机“读”得懂；e)选择TIFF图像格式的位图颜色深度为24Bit,位图像素分别为R(红色)、G(蓝色)、B(绿色)各一个字节(8Bit)。这种位图深度支持图像的全真彩显示。满足电子文档的各种应用需要。本压缩算法仅用于TIFF格式文件的位图，文件头部和文件属性不实施数据压缩。24Bit的像素可以表达2²种颜色，而我们的电子文档最多只有4种颜色，因此，就可能设计出有针对性、高压缩比的压缩算法(具体压缩算法下一节详细描述)。压缩比高于其他压缩算法。安装一个小程序，它通过从微软Windows操作系统的编译器regedit,对系统注册表中HKEY_CurrentVersion\Explorer\FileExts\TIFF子键中添加引导使用四值压缩算法函数(压缩与解压缩函数),使得操作系统打开和关闭TIFF文档时，就自动实施文件的压缩与解压缩。四值压缩算法其实是一种复合压缩算法，首先它对TIFF位图进行“四值预压缩”;然后，值预压缩后的数据进行字典压缩(LZW),以取得较高的压缩比。因为四值预压缩与字典压缩(LZW)都3需要。24Bit的像素可以表达2种颜色，而电子文档中位图(也就是压缩对象)只有不超过四种颜色(任意四种颜色)。因此，将位图像素中四种颜色分别用00、01、10、11表示，也就是将一个像素RGB的24Bit用2Bit来表示。四值预压缩的压缩比为1/12,就是电子文档体量OFF91.67%,缩小到原来的四值预压缩算法是一种无损压缩。字典压缩算法通过建立字典，通过创建一个串表(串由一个前缀值与后缀值所组成。前缀是原始数成一个串，然后与串表中匹配，当这个串不存在时，就将这个串存储进串表，生成这个串表的前缀值，并将这个串表的后缀变更为前缀；如果这个串已经存在串表，就舍弃这个串的后缀，并将前缀变更为那个用来表示这个串的数字。之后，再接着读取数据，与之前留下的前缀组成一个串，并继续进行上面的过程。这个串表会在压缩后删除，解压时重建。然后，将解压缩结果再进行四值预解压缩，最终获得“无损”的原始位图。4.5.1位图的四种颜色(RGB值)存放在TIFF图像文件50020属性中。4.5.2压缩算法选择，存放在文件259属性的值为0x0300010010,最后两位“10”表示采用四值压缩算法。写文字(一般接近黑色，0x000000,数量次之);红章，或者红头文字(一般接近红色，0xFF0000,较少);红章盖在填写文字上(一般接近红色，0xFF0000,最少)。这四种颜色是默认值，工具软件支持用户修改。5.1.1.2压缩算法选择。默认值为01表示未压缩；02表示采用CCITTGroup3压缩；03表示CCITT45.1.2.1图像四值数据结构：底色(0xFFFFFF)+填写文字(0x000000)+红章，或者红头文字(0xFF0000)+红章盖在填写文字上(0xFF0000)。它们存放在50020属性中。5.1.2.2文件压缩(编号259)属性的值为0x03000100xx。其中xx值为=05,选择LZW压缩算法；其中xx值为=10,选择四值压缩算法。