JPEG

Огляд структури файлу

Якщо ви колись відкривали JPEG у шістнадцятковому редакторі, то помічали, що він складається із сегментів, розділених маркерами. Кожен маркер починається з 0xFF, а далі йде байт, який каже, що це за сегмент. Завдяки такій будові JPEG порівняно легко розбирати: ви просто шукаєте байти FF і дивитеся, що йде після них.

Найцікавіше для приватності те, що всі метадані (EXIF, GPS, дата й час) живуть саме в цих сегментах, окремо від самих даних зображення. Тому ми й можемо видалити метадані, не чіпаючи пікселів і нічого не стискаючи повторно.

JFIF проти EXIF

Ось що збиває з пантелику багатьох: файли JPEG часто містятьдва різні стандарти метаданих одночасно. Спочатку зʼявився JFIF, який відповідає за базові речі на кшталт роздільності. Потім камери почали додавати дані EXIF з усіма подробицями про зйомку. Більшість сучасних JPEG мають і те, і те, тому на початку файлу ви бачите одразу маркери APP0 та APP1.

Маркери APP у деталях

Специфікація JPEG зарезервувала 16 «прикладних» маркерів (від APP0 до APP15), щоб виробники використовували їх як заманеться. З роками різні організації позаймали різні маркери під свої формати метаданих. Вийшов невеликий безлад, але принаймні добре задокументований.

Складність у тому, що той самий маркер може означати різні речі залежно від вмісту. APP1, наприклад, може містити або EXIF, або XMP, тож доводиться дивитися на рядок-ідентифікатор усередині, щоб зрозуміти, з чим ви маєте справу.

Структура EXIF

Ось де починається найцікавіше (і трохи дивне). Дані EXIF насправді є крихітним файлом TIFF, вбудованим у ваш JPEG. Так, справді. У нього власний заголовок, власний порядок байтів, а теги він зберігає у структурі IFD (Image File Directory) з TIFF.

Перше, що ви побачите після ідентифікатора «Exif», це заголовок TIFF, який каже, у якому порядку записані дані: little-endian (Intel, «II») чи big-endian (Motorola, «MM»). Помилитеся тут, і всі числа перетворяться на сміття, тож будь-який парсер перевіряє це найпершим.

Як PicScrub обробляє JPEG

Підхід доволі простий: ми читаємо файл маркер за маркером, залишаємо ті, що потрібні для показу зображення, і пропускаємо ті, що містять метадані. Оскільки стиснених даних зображення ми не торкаємося взагалі, втрат якості немає жодних.

Ключ до всього: побудова JPEG на маркерах, яка дуже це спрощує. Нам не потрібно розбиратися ні в коефіцієнтах DCT, ні в таблицях Гаффмана. Досить визначити, які сегменти є метаданими, а які ні.

Довідник тегів EXIF

Не всі теги EXIF однаково небезпечні для приватності. Одні, як-от параметри експозиції, цілком безневинні. Інші, як-от серійні номери та імена власників, можуть однозначно вказати на вас чи вашу техніку. Ось ті, які ми вважаємо найризикованішими:

Довідник тегів GPS

Дані GPS живуть в окремому під-IFD, на який вказує тег 0x8825 у головному IFD. Якщо цей вказівник є, у вашому зображенні є дані про місцеперебування. Сучасні смартфони особливо старанно їх вбудовують, часто з такою точністю, що можна визначити, де саме ви стояли.

Довідник тегів IPTC

IPTC придумали для інформагенцій, щоб вбудовувати в знімки підписи, згадки про авторів і відомості про авторські права. Він зберігається всередині APP13 з ідентифікатором «Photoshop 3.0» (так, Adobe перейняла цей стандарт). Якщо ви колись додавали копірайт чи ключові слова в Lightroom або Photoshop, вони опинилися саме тут.