便携式网络图形（PNG）规范（第二版）

2003年11月10日W3C正式推荐

当前版本： work byte order）。

而现在的主机一般使用的 X86、ARM 处理器都是小端模式，被称为主机字节顺序（host byte order）。

PNG 使用网络字节顺序。

普通的真彩图片，至少由红、绿、蓝三个通道组成，也就是每个像素占用了三个字节以上的空间。这样图片的压缩效率就很低。

因此，我们构建一个调色板，在调色板里预设好我们需要使用到的颜色，后续使用时，只需要提供调色板的索引位置就可以了。

而且为了防止调色板占用过大空间，我们把调色板的容量设定在256以内。索引位置也就不会超过256，只需要一个字节就可以表示，一个字节只占用一个通道，因此索引模式下，只有一个通道。

一个图片是由许多像素点组成的，可以视作一个二维数组。我们可以提取其中几个特殊的位置，比如横行每隔一个提取一个像素，竖列每隔一个提取一个像素，这样组成一个新的二维数组，可以简略失真的表示原图。这种提取方法叫做 Pass 提取（pass extraction），提取之后形成的数据是交错的，每段都可以包含整个图片的缩略部分。只需要重新组合就能产生完整的图像，即使没有完整的数据，只要其中一部分就可以得到缩略图。是网络传输中加快图像传输的方式，不过现在网速很快，几乎用不到了。

色图的中间区域是白色的，被我们称作白点，是色图的一个参数。另一个参数是基准，用作色图的平移。

我们可以设置白点的坐标，来改变中间白色区域，使其向红色、绿色、蓝色偏移，用以调整色图的变化程度。

PNG 规范不指定应用程序接口，但是涉及四种图像：原图、标准图像、PNG 图像、交付图像。关系如下：

二进制编码占用的比特数，就是样本深度。

PNG 有三种管理色彩空间的方法：使用 ICC 配置、使用 sRGB 配置、使用色度基准和白点位置配置。

ICC 配置比较灵活，易于适配；sRGB 配置需要设置一个特定的颜色空间，可能会占用较多的容量；最后一种比较精确。前两种也推荐使用伽马值。

我们需要通过一些手段，将标准图像转换为 PNG 图像。流程如下：

分离透明通道，实际上，很多标准图像没有透明通道，这样可以默认为无透明度，节省一个通道。

如果不同像素值的个数少于 256，样本深度小于等于8，可以开始构建索引。

如果，颜色样本深度一致，而且每个通道都一样的值，可以用一个通道来表示所有，即灰度图。

不用 alpha 通道表示透明度的一种方法，需要设置背景色。

不是所有的深度都被 PNG 支持，只有 1、2、4、8、16，如果不是这些数的话，深度就要通过软件调节。

比如原始深度是 5，现在要把它变成 8，也就是扩大了。

如果不同通道有不同的深度，我们就会选取最大深度来调整。

这种深度变换是可逆的。

一***有五种：

这里采用两种方法进行 Pass 提取。

第一种是空方法，也就是什么都不做。（所以为什么要这么死板的把这个也计作一种方法）

第二种通过多次扫描得到七个缩小图。也就是 Adam7 算法（不是深度学习的那个 Adam 算法）。

不过这个算法在国内网站这个几乎找不到，维基百科 https://en.wikipedia.org/wiki/Adam7_algorithm ）介绍的也不是很清楚。所以我这里就简单说一下：

把上面的到的缩小图（当然空方法读出来的是原图），逐行再读取一遍。（这里的操作就可以有很多了，比如把上面的提取变成一个 yield）

有几种过滤类型，会把过滤类型写到过滤数组之前。

就是编码加密。

把编码后的数据分成一块或者多块。

一个标准的 PNG 文件由许多块组成，每个块有四个部分：长度、名称、数据主体、校验码。

标准的 PNG 定义有 18 种块类型，此外你可以添加自定义的各种块。

这 18 种块类型有：

关键块：

IHDR（image header 文件头）、PLTE（palette 调色板）、IDAT（image data 图片内容）、IEND（image end 文件结尾）

辅助块：

透明相关：tRNS（transparency information 透明信息）

颜色相关：cHRM（chromaticities and white point 色度和白点）、gAMA（gamma 伽马值）、iCCP（embedded ICC profile 嵌入式 ICC 概述）、sBIT（significant bits 有效位）、sRGB（standard RGB colour space 标准RGB颜色空间）

文本相关：iTXt（international textual data 国际化文本）、tEXt（textual data 文本）、zTXt（zip textual data 压缩的文本）

时间相关：tIME（last-modification time 最新修改时间）

其他：bKGD（background colour 背景色）、hIST（histogram 直方图）、pHYs（physical pixel dimensions 物理像素尺寸）、sPLT（Suggested palette 建议调色板）、

传输错误或文件损坏，这会破坏数据流的大部分或全部；语法错误，出现无效块或者丢失块。

两种错误处理方式要区别。

你可以向 ISO/IEC 或者 PNG Group 提交相关扩展，注册新的块类型和文本关键字，拓展新的过滤算法、交错模式的算法、压缩算法。

就是数据流的二进制的结构啦。

所有 PNG 数据流的前八个字符，都是 137 80 78 78 71 13 10 26 10

用 bytes 表示就是 b'\x89PNG\r\n\x1a\n'

这个签名表示接下来的数据都是 PNG 数据流，如果遇到空字符不要打断，需要出现 IEND 才算结束。

每个块由这四个部分组成：

通过名称约定，使得 PNG 解码器在不能识别当前块的用途时，也能通过名称来获取相关信息。

块的名称有四位：

第一位表示辅助，小写表示这个块是辅助块，大写表示这个块是关键块。

第二位表示私有，小写表示这个块是私有的，而非国际标准定义的，大小表示前述 18 种块类型。

第三位是保留位，小写表示这个块是被抛弃的，大写表示可以使用。（用于约定将来的扩展）

第四位表示复制安全性，也就是 PNG 编辑器在编辑图片的时候，如果遇到不安全的数据块，就不会完全的复制，而是有选择的，大写表示 PNG 编辑器可以完全的复制，而不需要担心任何问题。

具体参考 crc32 算法

因为 PNG 图像是可以流式读取的，也就是说不需要读到文件尾，就可以在 PNG 浏览器里预览了。

所以有些东西需要在读取图像内容之前准备好，比如索引调色板。

好像在 4.3 章节写过了？

我们在 4.4 章写过，有五种颜色类型：

颜色类型记录在 IHDR 里。

灰度模式下，亮度取决于 gAMA、sRGB、iCCP，如果没有这些，则取决于机器。

颜色样本不一定和光强成正比，可以通过设置 gAMA 来调节。

值的计算方法如下： 初始为 0，使用了调色板加上1，使用了真彩加上2，使用了透明通道加上4。灰度下是无法使用索引。

有四种方式表示透明：使用透明通道、使用 tRNS 块设置透明颜色信息、索引中在 tRNS 设置 alpha 表、不使用透明通道也不使用 tRNS 表示完全不透明。

透明通道的样本深度是 8 和 16，透明通道保存在像素之中， 表示完全透明， 表示完全不透明。透明度用于图像前景色和背景色的复合。

一些普通的图片不包含透明度，甚至已经把像素值乘以透明度，提前做好了以黑色为背景的复合步骤；但是 PNG 不这么做。

整形（int）是多位字节，short 是两个，int 是四个，long 是八个。

PNG 使用的是网络字节顺序，MSB 在高位，LSB 在低位。

也就是每个 PNG 图像的行，紧凑排列各个像素。

深度少于 8 时，扫描线结尾可能是凑不齐字节，这些不使用的字节不进行处理。

滤波器可以提高压缩数据的压缩性，而且是可逆的。PNG 允许过滤扫描线数据，换句话说就是可以不进行滤波。

过滤后的字节序列与过滤前的相同，但是根据不同的滤波类型，会在最前面添加一个字节的标记。如果没有增加长度就表明没有过滤过。具体过滤方法，在后面解释。

交错模式可以提高 CRT 显示器上网络图片的加载速度（换句话，没有网络，没有 CRT 显示器，交错模式就没有用了）。

参考[4.5.2 Pass 提取](#4.5.2 Pass 提取)

介于 Adam7 的特点，宽或者高小于5的图像会缺少缩略图（2在第五列，3在第五行）。

过滤的目的在于提高压缩率。过滤的方法不是唯一的，交错模式下，所有缩小图都应该使用同一种方法的滤波器；非交错模式下，只有一张图，当然也是只有一种方法。

这个标准里定义了一种 0 号方法，其他的编号为将来保留。0 号方法包含五种类型的滤波器，每个扫描线可以使用不同的滤波器类型。

PNG 规范不强制滤波器的类型，具体的选择方法后面在说。

滤波器是针对字节的，和像素、通道、深度无关。只要给字节就能过滤。

这里是几个参数的定义：

Org() 表示字节原始值；

Flt() 表示过滤后的值；

Rc() 表示重构的值；

Paeth() 参见[9.4 滤波器类型4](#9.4 滤波器类型4)。

如果没有前一个像素，就用 0 代替。每个缩小图的第一行没有前一行，也用 0 代替。

因为使用了过滤，重建时也要按照这个顺序进行计算。

滤波器的输入输出值都是无符号字节。

0、1、2 三种类型的滤波器都很简单，隔列/隔行相减就是。

但是第三种类型， Flt(x) = Org(x) - floor((Org(a) + Org(b)) / 2) 中， Org(a) + Org(b) 存在溢出的情况，不能使用 byte 运算，应该是 short 或者更多位，当然也有右移的算法。

Paeth 算法先计算三个相邻像素（左、上、左上）的线性值，选择与计算值最接近的相邻像素再次计算。注意缓存不要溢出。它的函数如下：

与上面的过滤一样，默认的就是 0 号方法。这两个在 IHDR 里面有标记。

当然，这里用的是 zlib 的压缩，使用默认的等级为 8，压缩字节不超过 32768。

这个校验值和 PNG 块的校验值不一样，两者不能混同。

多个过滤后的行，会被打包压缩成一个 zlib 数据流，并放到多个 PNG 块里，多个 PNG 块解开得到的是一个 zlib 数据流。

当然，这个还涉及到异步读取。zlib 数据流本身就是可以中断的，即使中断，排列较前的数据还是可以读取出来的，这样才有交错模式的解读，所以针对上面的 python 方法，有如下改进：

构建一个持续的读取，边读取边解析。

下面是 18 个 PNG 规范块的介绍：

IHDR 是 PNG 数据流中的第一个块。组成如下：

所以 IHDR 块长度是 13 不会改变。

调色板是一个二维数组，可以看作 Array[n][3]，用索引 n 来表示颜色。

因此，n 不会超过 256，PLTE 块的长度也是 3 的倍数。

调色板无论如何都是 8 位深度，即使图像是 1、2、4 的深度，调色板也还是 8。

所有的 IDAT 块合起来是一个 zlib 数据流，参考[10 压缩](#10 压缩)。

这段数据是空的，表示 PNG 数据流结束了。当然，这个块损坏也不会有事。

这是表示透明度信息的块，有三种构成：

灰度模式（凡是等于这个灰度的颜色被认做透明）

真彩模式（由这三个值表示一个透明色）

索引模式（索引模式下，tRNS 相当于一个 alpha 表，这个表和索引一样大，对应表示索引的透明度）

为什么灰度模式和真彩模式用 2 字节表示呢，因为需要适配 16 位深度，而索引模式深度永远小于等于 8。

这个块用于设置一个 CIE 色度空间。组成如下：

储存值是实际值的 100000 倍。

CIE 色度空间是一个二维图像，它由红绿蓝白四个点构建一个近视三角形的包围圈，来设置颜色的偏移程度。

这个块只储存了一个 unsigned int，同样的它的值需要除以 100000，得到实际的 gamma 值。

这个块用于设置一个 ICC 描述。

PNG 只支持固定的深度，如果原图深度不匹配，就会强制的放缩，但是原始信息会保留在这里，用于恢复原始图像。（所以一般不会用到，为什么要把标准图像转化成非标准图像呢）

针对不同通道数，有不同的 sBIT 长度。

使用 sRGB 色彩空间，这时候不能用 ICC 描述了。sRGB 只包含有一个 unsigned byte，表示渲染意图。

值的意义如下：

使用 sRGB 时，推荐使用 gAMA、cHRM，因为有些设备不支持 sRGB，这样就可以兼容性使用。

上面是一个文本信息会使用到的关键字，关键字其实不是很关键，就是一个定义而已，可以自己改动。但是符合上述的是可以被图像软件标准读取。

tEXt 含有如下成分：

当然，这里的压缩方法也是 0，用 zlib 解压后面的数据

国际文本数据，有点高大上的感觉。

语言种类参见 RCF-3066、ISO 646、ISO 639。

背景色哦。

直方图给出了调色板中每种颜色的近似使用频率。

如果 PNG 浏览器无法提供调色板里所有的颜色，那么直方图可以辅助创建相似的调色板供使用。

当然，现在不存在不能提供完整的调色板的软件了。

这个块用于表示像素在屏幕上的实际尺寸。结构如下：

单位说明有两个，False 的时候表示这个块只表示长宽的比，而不是真实值；True 的时候以米为单位，即一个单位为一米，一米包含多少个像素。

具体的通道长度，由样本深度决定，深度为 16 就是两个，小于等于 8 就是一个。

调色板名称是区分大小写的，并受到与关键字参数相同的限制。

在灰度PNG图像中，每个目通常相等的红色、绿色、蓝色和蓝色值，但这不是必需的。

每一个频率值与图像的像素的比例成正比，不是实际频率。

这里用宇宙时间（Universal Time，UTC）

后面的公式太复杂了，算了，直