该文转自：
http://blog.csdn.net/dcraw/archive/2011/05/24/6443537.aspx
1 什么是TIFF？
TIFF是Tagged Image File Format的缩写。在现在的标准中，只有TIFF存在， 其他的提法已经舍弃不用了。做为一种标记语言，TIFF与其他文件格式最大的不同在于除了图像数据，它还可以记录很多图像的其他信息。它记录图像数据的方式也比较灵活， 理论上来说， 任何其他的图像格式都能为TIFF所用， 嵌入到TIFF里面。比如JPEG， Lossless JPEG， JPEG2000和任意数据宽度的原始无压缩数据都可以方便的嵌入到TIFF中去。由于它的可扩展性， TIFF在数字影响、遥感、医学等领域中得到了广泛的应用。TIFF文件的后缀是.tif或者.tiff
2 TIFF文件结构
TIFF文件中的三个关键词是：图像文件头Image File Header(IFH)， 图像文件目录Image File Directory(IFD)和目录项Directory Entry(DE)。每一幅图像是以8字节的IFH开始的， 这个IFH指向了第一个IFD。IFD包含了图像的各种信息， 同时也包含了一个指向实际图像数据的指针。
IFH的构成：
Byte 0-1: 字节顺序标志位， 值为II或者MM。II表示小字节在前， 又称为little-endian。MM表示大字节在前，又成为big-endian。
Byte 2-3: TIFF的标志位，一般都是42
Byte 4-7: 第一个IFD的偏移量。可以在任意位置， 但必须是在一个字的边界，也就是说必须是2的整数倍。
IFD的构成(0代表此IFD的起始位置)：
Byte 0-1: 表示此IFD包含了多少个DE，假设数目为n
Byte 2-(n*12+1): n个DE
Byte (n*12+2)-(n*12+5): 下一个IFD的偏移量，如果没有则置为0
DE的构成：
Byte 0-1: 此TAG的唯一标识
Byte 2-3: 数据类型。
Byte 4-7: 数量。通过类型和数量可以确定存储此TAG的数据需要占据的字节数
Byte 8-11: 如果占用的字节数少于4， 则数据直接存于此。 如果超过4个，则这里存放的是指向实际数据的指针
可以用以下的图来表示(图来自http://www.cppblog.com/windcsn/archive/2009/03/12/1158.html)
在TIFF6.0中，定义了12种数据类型，分别是：
1 = BYTE 8-bit unsigned integer.
2 = ASCII 8-bit byte that contains a 7-bit ASCII code; the last byte
must be NUL (binary zero).
3 = SHORT 16-bit (2-byte) unsigned integer.
4 = LONG 32-bit (4-byte) unsigned integer.
5 = RATIONAL Two LONGs: the first represents the numerator
6 = SBYTE An 8-bit signed (twos-complement) integer.
7 = UNDEFINED An 8-bit byte that may contain anything, depending on
the definition of the field.
8 = SSHORT A 16-bit (2-byte) signed (twos-complement) integer.
9 = SLONG A 32-bit (4-byte) signed (twos-complement) integer.
10 = SRATIONAL Two SLONG’s: the first represents the numerator of a
fraction, the second the denominator.
11 = FLOAT Single precision (4-byte) IEEE format.
12 = DOUBLE Double precision (8-byte) IEEE format.
－个TIFF文件可能包含多个IFD，每一个IFD都是一个子文件。Baseline解码器只要求解第一个IFD所对应的图像数据。扩展的TIFF图像经常包含多个IFD，每一个IFD都包含了不同的信息。
3 本文后续可能会涉及到的内容
(1) 重要的基本TAG
(2) 重要的扩展TAG
(3) 重要的私有TAG
(4) TIFF/EP以及DNG
(5) TIFF相关的软件
(6) TIFF目前的局限及未来的发展
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/dcraw/archive/2011/05/24/6443537.aspx
1 TIFF，TIFF/EP以及DNG的关系
TIFF/EP的全称是"Tag Image File Format / Electronic Photography "。 它是一个名为“Electronic still-picture imaging – Removable memory – Part 2: TIFF/EP image data format”ISO标准， 标准号为ISO 12234-2
DNG(Digital Negative)是Adobe开发的一种开放的raw image file format。 里面使用的tag基本上都定义在TIFF或者TIFF/EP中， 在DNG Sepcification中只是定义或者建议了数据的组织方式，颜色空间的转换等等。
就我个人的理解，这三者之间的关系应该是这样的：
(1) TIFF和DNG同为Specification，分别定义了后缀名为.tif/.tiff和.dng的文件格式
(2) 同时在TIFF Specification也定义个baseline及部分扩展的tag。TIFF/EP则定义并规范了在电子影像中所使用的TAG。
(3) DNG同时与TIFF和TIFF/EP兼容，并包含了EXIF和XMP信息。DNG实际上就是扩张的TIFF， 把DNG的扩展名改成TIF就可以直接预览图片
(4) 虽然版权都归Adobe所有，但都可以无偿使用
在DNG出现以前， 各个数码相机制造商都有自己的格式， 比如Canon(cr2/crw), Nikon(nef), Olympus(orf), Pentex(pef)等等。之所以出现这么多格式，一方面的原因是在这之前没有统一的raw格式， 但更重要的是，各个厂商希望用这个只对自己公开的数据格式来保护自己的私密信息。Adobe推出DNG希望能一统raw的天下。但很遗憾，只有极少的数码制造商响应，比如sony，hasselblad， 目前的结果也仅仅是多了一种raw的格式。 虽然如何， DNG仍然是成功的。由于有很成熟的DNG编解码及转换公司， 很多小厂商乐于使用DNG作为自己的文件格式。随着时间的推进，迫于消费者的意愿，大的数码厂商被迫支持DNG。 最后DNG统一这个数码raw格式仍然是大势所趋。
2 TIFF的应用
(1) tiff很灵活，可以记录各种类型不同精度的图像， 是一种很重要的图像基本格式。 这本省就是一个很重要的应用
(2) 如前所述， DNG也是一个很重要的应用
(3) 医学
(4) 地理遥感
(5) 印刷业
3 TIFF的局限及将来的发展
TIFF的最大局限在于用4byte来表示偏移量，这样导致文件最大只能有4G。 在20年前指定TIFF标准的时候可能觉得4G足够用了。但是现在这确实成了制约TIFF反展的一个瓶颈。 目前BigTIFF已经提出用8个字节来表示偏移量。这样数据量应该足够大了。也许在不久的将来，这会成为新的tiff的baseline
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/dcraw/archive/2011/05/24/6443679.aspx
基本TIFF TAGS
代码基本取自dcraw(www.cybercom.net/~dcoffin/dcraw/) 做了一些修改和整理
//首先定义一些必须的全局变量和一些有用的函数,主要是读取各种数据类型的函数
short order;
FILE *ifp = ifp = fopen ("filename.tiff", "rb");
ushort CLASS sget2 (uchar *s)
{
if (order == 0x4949) /* "II" means little-endian */
return s[0] | s[1] << 8;
else /* "MM" means big-endian */
return s[0] << 8 | s[1];
}
ushort CLASS get2()
{
uchar str[2] = { 0xff,0xff };
fread (str, 1, 2, ifp);
return sget2(str);
}
unsigned CLASS sget4 (uchar *s)
{
if (order == 0x4949)
return s[0] | s[1] << 8 | s[2] << 16 | s[3] << 24;
else
return s[0] << 24 | s[1] << 16 | s[2] << 8 | s[3];
}
#define sget4(s) sget4((uchar *)s)
unsigned CLASS get4()
{
uchar str[4] = { 0xff,0xff,0xff,0xff };
fread (str, 1, 4, ifp);
return sget4(str);
}
unsigned CLASS getint (int type)
{
return type == 3 ? get2() : get4();
}
float CLASS int_to_float (int i)
{
union { int i; float f; } u;
u.i = i;
return u.f;
}
double CLASS getreal (int type)
{
union { char c[8]; double d; } u;
int i, rev;
switch (type) {
case 3: return (unsigned short) get2();
case 4: return (unsigned int) get4();
case 5: u.d = (unsigned int) get4();
return u.d / (unsigned int) get4();
case 8: return (signed short) get2();
case 9: return (signed int) get4();
case 10: u.d = (signed int) get4();
return u.d / (signed int) get4();
case 11: return int_to_float (get4());
case 12:
rev = 7 * ((order == 0x4949) == (ntohs(0x1234) == 0x1234));
for (i=0; i < 8; i++)
u.c[i ^ rev] = fgetc(ifp);
return u.d;
default: return fgetc(ifp);
}
}
//先解IFH,得到order和第一个IFD的偏移量
//然后解IFD
//最后是图像数据
//对于多个IFD,采用同样的处理方法
int CLASS parse_tiff ()
{
int doff;
fseek (ifp, 0, SEEK_SET);
order = get2();//"II"或者"MM"
get2();//这个值应该是42, 跳过之
doff = get4();//第一个IFD的偏移量
fseek (ifp, doff, SEEK_SET);
parse_tiff_ifd ();
//根据从Tag中得到的值去获取或者解压相应的图像数据
}
int CLASS parse_tiff_ifd ()
{
entries = get2();
if (entries > 512) return 1;
while (entries--) {
//先读取Tag,Type和Count的值
//根据Type和Count确定存储的是值还是位置,
}
//获取下一个IFD的偏移量
}
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/dcraw/archive/2011/05/26/6446444.aspx
众所周知， JPEG是基于DCT变换的有损压缩图像格式。自从1992年ITU T.81标准创立以来，JPEG已经取得了巨大的成功。JPEG已经成为了现在最流行的图像格式。任何与图像有关的工具系统必须支持JPEG解码甚至编码。虽然它有这样或者那样的缺点， 由于其高压缩率，简单，灵活，以及应用广泛， 到现在为止一直是最流行的图像格式。虽然JPEG2000有很多优点，但丝毫没有撼动JPEG的老大地位。
虽然JPEG应用广泛， 但也仅仅限于日常生活中。在有些场合需要无损压缩，这时JPEG就无能为力了，比如医疗图像，Digital Photography中的Raw图像的保存。还好JPEG标准在指定的时候就考虑到了这种情况， 专门预留了无损压缩的格式。后来的ITU T.87完善了无损压缩编码，这就是JPEG-LS或者称为Lossless JPEG。
JPEG-LS采用的是预测熵编码。是一种行扫描的编码方式。从这个方面来说，它与JPEG没有任何共同点。不过它所使用的标记（Marker）都定义在JPEG中，所以也不能与JPEG独立开来。要想理解T87，必须得理解T81。
1 预测模型
C B
A X
X是需要编码的象素，A，B，C是其三个邻域值
选择值
预测值
0 No prediction
1 A
2 B
3 C
4 A + B – C
5 A + (B – C)/2
6 B + (A – C)/2
7 (A + B)/2
在预测过程中，所有不存在的值均初始化为0。
2 JPEG-LS的编码过程
首先，根据预测方式计算出差分值以及存储该值所需的比特数
然后，根据huffman码表查出该比特数的huffman码字并输出，然后输出对应位数的差分值
3 JPEG-LS 码流
以下码流是从一幅JPEG-LS的图像中截取的码流，对照ITU T81可以轻松理解每一个比特所代表的含义
FF D8 %SOI(Start Of Image)
FF C3 %SOF3
00 0B %长度＝11，减去当前的两个字节，紧随之后的是9个字节
10 %比特数
0A 92 %高度＝2706
38 60 %宽度= 14432
01 00 11 00
FF C4 %DHT
00 24 %长度
00 00 02 01 04 02 03 01 01 01 01 01 00 00 00 00 00 06 07 05 04 08 09 0A 03 0B 01 02 0C 00 0D 0E 0F 10
FF DA %SOS
00 08 %长度=8
01 00 00 06 00 00
%实际图像数据
FF 00 87 BC 7F 6F 03 F8 7E 7F DC F3 FE 1A A7 F7 4A 7F 86 3F FD B7 5F E2 20 7F 72 17 F8 69 5F DB EB FE 1F 47 F7 2B BF 86 D1 FD D3 2F E1 5E 7F 70 8F F8 93 FF 00 DC 1B FE 1D F7 F7 59 FF 00 84 A1 FD CB 4F E1 7A 7F 70 FB F8 82 5F DC CC FE 18 57 F7 25 BF 86 87 FD D0 4F E1 BD FF 00 6E FF 00 F8 86 BF DC 55 FE 1D 97 F7 15 BF 86 B5 FD C4 2F E1 A1 7F 6C 53 F8 7A 9F D2 4B FE 61 1F F4 37 BF 9C 25 FD 0A 6F 87 EF FB AC FF 00 C4 A3 FE DB EF F1 29 3F AF F5 FC 5F 6F B0 D3 F9 D8 7D AC 7D 00 3F 47 07 42 77 F4 0D BE 3B FF 00 EE D8 FF 00 16 CF FB B7 7F C3 02 FE E3 77 F0 E7 3F B9 C1 FC 2F DF EE 33 7F 0E 7B FB 9C 9F C3 16 FE E1 B7 F1 04 BF B9 85 FC 36 CF EE 3E 7F 0D D3 FB A0 BF C2 82 FE 。。。。。。
FF D9 %EOI
4 一些细节
4.1 如何选择预测模型？
开始我也为这个问题困惑了很久。如果全局图像都用同一个模型，这几个选择直接有差异吗？后来当我看到对Bayer Pattern的Raw图像进行编码的过程后，终于明白了这几个预测模型的差异和用途。
Bayer Pattern的图像如下所示：
BGBGBGBG
GRGRGRGR
BGBGBGBG
GRGRGRGR
BGBGBGBG
GRGRGRGR
BGBGBGBG
GRGRGRGR
只有同一个通道内的预测才有意义，但如果用原始的排列方式来直接编码，就会发现哪种方式都不合适。在处理Raw图像时，通常采用的是把两行合成一行的方法，如下：
BGBGBGBGGRGRGRGR
BGBGBGBGGRGRGRGR
BGBGBGBGGRGRGRGR
BGBGBGBGGRGRGRGR
这样预测模型2，4，6都可以使用。在DNG中一般都使用6。如果是普通的图像，由于每个象素都是同一个通道，所以哪种预测方式都差不多。从这个角度来看，感觉JPEG-LS天生就是为存储Raw图像而设计的。
4.2 在数据码流中如何处理FF？
由于X'FF'是marker的预留码字。为了方便的检测marker，在JPEG和JPEG-LS中对X'FF'都做了特殊的处理。在JPEG中， 如果编码出现了FF，而它并不是marker，那么在其之后插一个X'00'。在解码的时候遇到FF00就直接丢掉00。
ITU T87宣称JPEG-LS采用和JPEG不同的处理方式。由于JPEG-LS的marker都>=FF80，也就是说紧随FF的marker的最高位一定是1。如果在编数据码流的时候出现了X'FF'，只插一个比特0用来区分X'FF'是数据码流还是marker。如果是0，就丢掉这一比特。
但是，在DNG中的Lossless JPEG仍然采用了JPEG的方式，从DCRAW和DNG SDK的代码中都可以得到验证，很奇怪。
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/dcraw/archive/2011/05/31/6455972.aspx