Image object offset

Image object offsetとは、PDFファイル内におけるimage XObjectのデータストリームが開始されるバイト位置を指します。 ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) で定義されているPDF構造において、画像リソースを含むすべてのオブジェクトはファイル内に特定の位置を持ち、offsetはファイルの先頭からその画像オブジェクトが格納されている場所までのバイト単位の距離を表します。この位置情報は、PDFプロセッサがレンダリングや処理操作中に画像データを効率的に特定し取得するために不可欠です。

Image object offsetは、PDFファイルの物理構造内におけるimage XObjectの正確なバイト位置を表す数値です。PDFに埋め込まれた画像が含まれる場合、各画像はファイル内で固有の位置を持つXObjectストリームオブジェクトとして格納されます。このoffsetは、オブジェクト番号とそのバイト位置を対応付けるインデックスとして機能する、PDFのクロスリファレンステーブル（xrefテーブル）に記録されます。これは画像の座標やページ上の配置とは異なります。offsetは純粋にファイル構造に関するものであり、視覚的な配置に関するものではありません。ページレベルの画像配置が画像が視覚的にどこに表示されるかを決定するのに対し、object offsetはPDFパーサーが画像データ自体を読み取るためにファイル内のどこをシークする必要があるかを決定します。

PDF操作を行う開発者にとって、image object offsetの理解はいくつかの実用的なシナリオで不可欠です。PDFへの増分更新を実装する際、object offsetを知ることでファイル全体を書き直すことなく変更を追加できます。PDF修復ツールでは、破損したoffset値はレンダリング失敗の一般的な原因であり、それらを修正するには正確なoffset計算でクロスリファレンステーブルを再構築する必要があります。パフォーマンスの最適化もoffsetに依存します。ストリーミングPDFビューアは、offset情報を使用して、ドキュメント全体を解析するのではなく、現在表示されているページに必要な画像オブジェクトのみを選択的に読み込むことができます。さらに、プログラムで画像を抽出する際、offsetは無関係なコンテンツをスキャンすることなく画像ストリームに直接移動するのに役立ち、大きなドキュメントの処理速度を大幅に向上させます。

( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) で規定されているPDFファイル形式では、画像オブジェクトは割り当てられたオブジェクト番号を持つ間接オブジェクトです。クロスリファレンステーブルは各オブジェクトのエントリを保持し、ファイルの先頭からのバイトoffsetを格納します。PDFプロセッサが画像をレンダリングする必要がある場合、まずページのリソースディクショナリを参照してどのimage XObjectが参照されているかを識別し、次にxrefテーブルでそれらのオブジェクト番号を検索してoffsetを取得します。その後、プロセッサはファイル内のそのバイト位置にシークし、実際の画像データを含むストリームを含むオブジェクト定義を読み取ります（これはJPEG用のDCTDecodeやPNGのような圧縮用のFlateDecodeなどのフィルタを使用してエンコードされている場合があります）。リニアライズドPDF（「fast web view」PDFとも呼ばれる）では、最初のページに必要なオブジェクトがファイルの早い段階に配置されるように、image object offsetが戦略的に配置され、プログレッシブ表示が可能になります。最新のPDFバージョンでは、offset情報を圧縮形式で格納するクロスリファレンスストリーム（XRefストリーム）もサポートしていますが、基本的な概念は同じです。

• XObject – PDF内の再利用可能な外部オブジェクトで、画像、フォーム、その他複数回参照できるコンテンツを含む
• Cross-reference table（クロスリファレンステーブル） – オブジェクト番号をPDFファイル内のバイトoffsetに対応付けるインデックス構造
• Indirect object（間接オブジェクト） – オブジェクト番号と世代番号を使用して他のオブジェクトから参照できる、番号付きのPDFオブジェクト
• Stream object（ストリームオブジェクト） – ディクショナリとそれに続くバイナリデータで構成されるPDFオブジェクトで、画像や圧縮コンテンツに一般的に使用される
• Linearized PDF（リニアライズドPDF） – 効率的なWebストリーミングとプログレッシブ表示のためにオブジェクトを配置した特別に構成されたPDFファイル構造