如何使用 libpng 更快地阅读文本块？

Question

使用 libpng，我正在尝试在 44 兆字节的 PNG 图像中提取文本块（最好验证 PNG 数据没有格式错误（例如缺少 IEND 等）） .我可以用png_read_png 和png_get_text 来做到这一点，但对我来说它花费的时间太长了，0.47 秒，我很确定这是因为图像中有大量的IDAT 块。我怎样才能更快地做到这一点？

---

我不需要像素，所以我尝试让 libpng 忽略 IDAT 块。

为了让 libpng 忽略 IDAT 块，我试过了：

1. png_read_info(p_png, p_png_information); png_read_image(p_png, nullptr); png_read_end(p_png, p_png_information); 跳过 IDAT 块；崩溃失败。
2. png_set_keep_unknown_chunks 使 libpng unknow 关于 IDAT 和 png_set_read_user_chunk_fn(p_png, nullptr, discard_an_unknown_chunk)（discard_an_unknown_chunk 是一个函数，它执行 return 1;）以丢弃未知块；第一个 IDAT 块发生了一个奇怪的 CRC 错误并且失败了。

但没能做到。

---

编辑

在 Windows 10 上作为 Node.js C++ 插件运行，主要用 C++ 编写，具有 i9-9900K CPU @ 3.6 GHz 和千兆字节内存。

使用fs.readFileSync读取SSD上的图像文件，这是一个返回Buffer的Node.js方法，并将其扔给libpng进行处理。

是的，起初，我将长时间的计算归咎于 libpng。现在我看到可能有其他原因导致延迟。 （如果是这样的话，这个问题将是一个糟糕的问题，XY problem。）谢谢你的 cmets。我将再次更彻底地检查我的代码。

---

编辑 2

由于将 PNG 数据输入提供给 C++ 插件的每一步都保持不变，因此我最终仅使用我的 C 指针魔术和一些 C++ 魔术手动挑选和解码文本块。而且，性能令人印象深刻（处理时间为 0.0020829 秒），几乎是立竿见影的。不知道为什么以及如何。

B:\__A2MSUB\image-processing-utility>npm run test

> image-processing-utility@1.0.0 test B:\__A2MSUB\image-processing-utility
> node tests/test.js

----- “read_png_text_chunks (manual decoding, not using libpng.)” -----
[
  {
    type: 'tEXt',
    keyword: 'date:create',
    language_tag: null,
    translated_keyword: null,
    content: '2020-12-13T22:01:22+09:00',
    the_content_is_compressed: false
  },
  {
    type: 'tEXt',
    keyword: 'date:modify',
    language_tag: null,
    translated_keyword: null,
    content: '2020-12-13T21:53:58+09:00',
    the_content_is_compressed: false
  }
]
----- “read_png_text_chunks (manual decoding, not using libpng.)” took 0.013713 seconds.

B:\__A2MSUB\image-processing-utility>

Answer 1

我必须做类似的事情，但我希望 libpng 进行所有元数据块解析（例如，eXIf、gAMA、pHYs、zEXt、cHRM 等块）。其中一些块可以出现在IDAT 之后，这意味着仅使用png_read_info 无法读取元数据。 （获得它们的唯一方法是对图像进行完整解码，这很昂贵，然后调用png_read_end。）

我的解决方案是创建一个合成 PNG 字节流，通过使用 png_set_read_fn 的读取回调集将其馈送到 libpng。在该回调中，我跳过源 PNG 文件中的所有 IDAT 块，当我到达 IEND 块时，我改为发出一个长度为零的 IDAT 块。

现在我调用png_read_info：它解析它看到的所有块中的所有元数据，在第一个IDAT 处停止，在我的合成PNG 流中它实际上是源PNG 图像的结尾。现在我有了所有的元数据，可以通过 png_get_xxx 函数查询 libpng 了。

创建合成 PNG 流的读取回调有点复杂，因为它被 libpng 多次调用，每次都针对流的一小部分。我使用一个简单的状态机解决了这个问题，该状态机逐步处理源 PNG，即时生成合成 PNG 流。如果您在调用png_read_info 之前在内存中预先生成合成PNG 流，则可以避免这些复杂性：没有任何真正的IDATs，您的完整合成PNG 流肯定会很小...

虽然我在这里没有要分享的基准，但最终的解决方案很快，因为 IDATs 被完全跳过而不被解码。 （在读取 32 位块长度后，我使用文件搜索跳过源 PNG 中的每个 IDAT。）

Answer 2

您可以使用pngcheck 检查文件中所有正确的PNG 块是否以正确的顺序、不重复且校验和正确。它是开源的，所以你可以看看它是如何工作的。

如果添加参数-7，不仅可以查看结构，还可以提取文本：

pngcheck -7 a.png

输出

File: a.png (60041572 bytes)
date:create:
    2020-12-24T13:22:41+00:00
date:modify:
    2020-12-24T13:22:41+00:00
OK: a.png (10000x1000, 48-bit RGB, non-interlaced, -0.1%).

我在我的 MacBook Pro 上生成了一个 60MB 的 PNG，上面的检查需要 0.067 秒。