DjVu

DjVu ^{[ a ]} es un formato de archivo informático diseñado principalmente para almacenar documentos escaneados , especialmente aquellos que contienen una combinación de texto, dibujos lineales, imágenes en color indexadas y fotografías. Utiliza tecnologías como la separación de capas de imagen de texto y fondo/imágenes, carga progresiva , codificación aritmética y compresión con pérdida para imágenes bitonales ( monocromáticas ). Esto permite almacenar imágenes legibles de alta calidad en un espacio mínimo, de modo que puedan estar disponibles en la web .

DjVu se ha promocionado por ofrecer archivos más pequeños que PDF para la mayoría de los documentos escaneados. ^{[ 3 ]} Los desarrolladores de DjVu informan que las páginas de revistas a color se comprimen a 40–70  kB, los documentos técnicos en blanco y negro a 15–40  kB y los manuscritos antiguos a alrededor de 100 kB; una imagen JPEG  satisfactoria generalmente requiere 500 kB. ^{[ 4 ]} Al igual que PDF, DjVu puede contener una capa de texto OCR , lo que facilita realizar operaciones de copiar y pegar y búsqueda de texto. 

La tecnología DjVu fue desarrollada originalmente, entre 1996 y 2001, ^{[ 4 ]} por Yann LeCun , Léon Bottou , Patrick Haffner , Paul G. Howard , Patrice Simard y Yoshua Bengio en los laboratorios de AT&T en Red Bank, Nueva Jersey . ^{[ 5 ]}

Antes de la estandarización del PDF en 2008, ^{[ 6 ] [ 7 ]} DjVu se consideraba superior porque es un formato de archivo abierto , a diferencia de la naturaleza propietaria del PDF en ese momento. La mayor relación de compresión declarada (y por lo tanto, el menor tamaño del archivo) y la supuesta facilidad para convertir grandes volúmenes de texto al formato DjVu fueron otros argumentos a favor de la superioridad de DjVu sobre PDF en 2004. El tecnólogo independiente Brewster Kahle, en una charla de 2004 en IT Conversations, analizó los beneficios de permitir un acceso más fácil a los archivos DjVu. ^{[ 8 ] [ 9 ]}

La biblioteca DjVu, distribuida como parte del paquete de código abierto DjVuLibre, se ha convertido en la implementación de referencia para el formato DjVu. DjVuLibre ha sido mantenida y actualizada por los desarrolladores originales de DjVu desde 2002. ^{[ 10 ]}

La especificación del formato de archivo DjVu ha pasado por varias revisiones, la más reciente de las cuales data de 2005.

El uso principal del formato DjVu ha sido la distribución electrónica de documentos con una calidad comparable a la de los documentos impresos. Dado que este nicho también es el uso principal del PDF, era inevitable que ambos formatos compitieran. Sin embargo, cabe destacar que abordan el problema de la entrega de documentos de alta resolución de maneras muy diferentes: el PDF codifica principalmente gráficos y texto como datos vectorizados , mientras que el DjVu los codifica principalmente como imágenes de mapa de píxeles . Esto significa que el PDF traslada la responsabilidad de la visualización del documento al lector, mientras que el DjVu la traslada al creador.

Durante varios años, que coincidieron en gran medida con el desarrollo de DjVu, no existían visores de PDF para sistemas operativos libres. Un obstáculo importante era la representación de fuentes vectorizadas, esenciales para combinar un tamaño de archivo reducido con una alta resolución en PDF. Dado que la visualización de DjVu era un problema más sencillo para el que existía software libre, se sugirió que el movimiento del software libre utilizara DjVu en lugar de PDF para la distribución de documentación. En principio, la representación para crear DjVu no difiere mucho de la representación para un controlador de impresora específico, y, como último recurso, DjVu puede generarse a partir de escaneos de soportes impresos. Sin embargo, cuando FreeType 2.0, en el año 2000, comenzó a ofrecer la representación de todos los principales formatos de fuentes vectorizadas, esa ventaja específica de DjVu empezó a desaparecer.

En la década de 2000, con el crecimiento de la World Wide Web y antes de la adopción generalizada de la banda ancha , DjVu fue adoptado frecuentemente por las bibliotecas digitales como su formato preferido, gracias a su integración con software como Greenstone ^{[ 11 ]} y el Internet Archive , ^{[ 12 ]} complementos de navegador que permitían una navegación en línea avanzada, un tamaño de archivo menor para una calidad comparable de escaneos de libros y otros documentos con muchas imágenes ^{[ 13 ]} y soporte para incrustación ^{[ 14 ]} y búsqueda de texto completo desde OCR . ^{[ 15 ] [ 16 ]} Algunas características, como las vistas previas en miniatura, se integraron posteriormente en BookReader del Internet Archive ^{[ 17 ]} y la navegación DjVu fue descontinuada en favor de DjVu, ya que alrededor de 2015 algunos navegadores importantes dejaron de admitir NPAPI y los complementos DjVu con ellos. ^{[ 18 ]}

El formato de archivo DjVu se basa en el formato de archivo de intercambio (IFF) y se compone de fragmentos organizados jerárquicamente. La estructura IFF está precedida por un AT&Tnúmero mágico de 4 bytes . A continuación, se encuentra un único FORMfragmento con un identificador secundario que puede ser DJVUo DJVMpara un documento de una sola página o de varias páginas, respectivamente.

En el caso de los denominados documentos agrupados, todos los fragmentos pueden estar contenidos en un solo archivo, o bien en varios archivos: un archivo por cada página más algunos archivos con fragmentos compartidos.

DjVu divide una sola imagen en varias imágenes diferentes y luego las comprime por separado. Para crear un archivo DjVu, la imagen inicial se separa primero en tres imágenes: una imagen de fondo, una imagen de primer plano y una imagen de máscara. Las imágenes de fondo y primer plano suelen ser imágenes en color de baja resolución (por ejemplo, 100 ppp); la imagen de máscara es una imagen de dos niveles de alta resolución (por ejemplo, 300 ppp) y normalmente es donde se almacena el texto. Las imágenes de fondo y primer plano se comprimen luego usando un algoritmo de compresión basado en ondículas llamado IW44. ^{[ 4 ]} La imagen de máscara se comprime usando un método llamado JB2 (similar a JBIG2 ). El método de codificación JB2 identifica formas casi idénticas en la página, como múltiples ocurrencias de un carácter particular en una fuente, estilo y tamaño determinados. Comprime el mapa de bits de cada forma única por separado y luego codifica las ubicaciones donde aparece cada forma en la página. De este modo, en lugar de comprimir la letra "e" varias veces en una fuente determinada, la comprime una sola vez (como una imagen de bits comprimida) y luego registra cada lugar de la página donde aparece.

Opcionalmente, estas formas pueden asignarse a códigos UTF-8 (ya sea manualmente o mediante un sistema de reconocimiento de texto ) y almacenarse en el archivo DjVu. Si existe esta asignación, es posible seleccionar y copiar texto.

Dado que JB2 (también llamado DjVuBitonal) es una variación de JBIG2, que funciona con los mismos principios, ^{[ 19 ]} ambos métodos de compresión tienen los mismos problemas al realizar compresión con pérdida. En 2013 se descubrió que las fotocopiadoras y escáneres Xerox habían estado sustituyendo dígitos por otros de aspecto similar, por ejemplo, reemplazando un 6 por un 8. ^{[ 20 ]} Se ha detectado un documento DjVu en la práctica con sustituciones de caracteres, como una n con serifas sangrantes que se convierte en au y una o con un punto en el interior que se convierte en una e. ^{[ 21 ]} El archivo no almacena si se ha producido compresión con pérdida. ^{[ 1 ]} Por lo tanto, la aplicación de visualización DjView no puede advertir al usuario de que podrían haberse producido sustituciones de glifos , ni al abrir un archivo comprimido con pérdida, ni en los cuadros de diálogo de Información o Metadatos. ^{[ 22 ]}

DjVu es un formato de archivo abierto con patentes. ^{[ 3 ]} La especificación del formato de archivo está publicada, así como el código fuente de la biblioteca de referencia. ^{[ 3 ]} Los autores originales distribuyen una implementación de código abierto llamada " DjVuLibre " bajo la Licencia Pública General GNU y una concesión de patente. ^{[ 23 ]} Los derechos para el desarrollo comercial del software de codificación se han transferido a diferentes empresas a lo largo de los años, incluyendo AT&T Corporation , LizardTech , ^{[ 24 ]} Celartem ^{[ 25 ]} y ePapyrus Solutions KK (anteriormente Cuminas ^{[ 26 ]} antes de unirse a ePapyrus Solutions, Inc. ^{[ 27 ]} ). ^{[ 28 ]} Las patentes suelen tener un plazo de vencimiento de unos 20 años.

Celartem adquirió LizardTech y Extensis . ^{[ 29 ] [ 30 ] [ 25 ] [ 31 ] [ 32 ]}

Hay disponibles creadores, manipuladores, convertidores, complementos para navegadores web y visores de escritorio gratuitos. ^{[ 2 ]}

En 2002, Internet Archive eligió el formato de archivo DjVu como formato para su Proyecto Millón de Libros, que ofrece libros escaneados de dominio público en línea (junto con TIFF y PDF). ^{[ 33 ]} En febrero de 2016, Internet Archive anunció que DjVu dejaría de utilizarse para nuevas cargas, citando, entre otras razones, la disminución de su uso y la dificultad de mantener su visor basado en applets de Java para dicho formato. ^{[ 18 ]}

Wikimedia Commons , un repositorio de medios utilizado por Wikipedia , entre otros, permite condicionalmente archivos multimedia PDF y DjVu. ^{[ 34 ]}

any2djvu convierte archivos .ps, .ps, .gz y .pdf a .djvu (un archivo DjVu) a través del servidor Any2DjVu, mantenido por Léon Bottou y Yann LeCun , alojado por el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York , con hardware donado por Caminova, Inc. ^{[ 35 ] [ 36 ]}

El programa pdf2djvu de Jakub Wilk crea archivos DjVu a partir de archivos PDF para sistemas operativos GNU/Linux ^{[ 37 ]} (archivado), ^{[ 38 ]} incluyendo Ubuntu y Cygwin ( huérfano ). ^{[ 39 ] [ 40 ]}

La selección de visores DjVu descargables es más amplia en las distribuciones de Linux que en Windows o macOS. Además, este formato rara vez es compatible con software de escaneo propietario.

DjVu es compatible con varios visores de documentos multiformato y software de lectura de libros electrónicos en Linux ( Okular , Evince , Zathura), Windows ( Okular y SumatraPDF ) y Android ( Document Viewer , ^{[ 41 ]} FBReader , EBookDroid, ^{[ 42 ]} PocketBook).

DjVu.js Viewer es un proyecto que desarrolla una biblioteca de programas ^, una aplicación web y extensiones de navegador para Firefox ^{[ 43 ]} y Google Chrome [ ^{44 ]} para ver archivos DjVu. ^{[ 45 ]}

• Comparación de formatos de libros electrónicos
• Marco Internacional de Interoperabilidad de Imágenes (IPIM) : método estandarizado para describir y transmitir imágenes a través de la web. 
• JPEG 2000 – Estándar de compresión de imágenes y sistema de codificación 
• Contenido ráster mixto : método de compresión de imágenes 

• Descargas de software DjVu – Cuminas Corporation
• Visor DjVu.js utilizado en: Firefox y Google Chrome
• Wilk, Jakub (1 de abril de 2010). "pdf2djvu" . jwilk.net . Archivado del original el 1 de abril de 2010.
• Wilk, Jakub (15 de abril de 2025). "pdf2djvu" . jwilk-archive – vía github.com .