JPEG

Nhìn tổng quan cấu trúc file

Nếu từng mở một file JPEG bằng trình soạn thảo hex, bạn sẽ thấy nó gồm nhiều segment ngăn cách bởi các marker. Mọi marker đều bắt đầu bằng 0xFF, theo sau là một byte cho biết đó là loại segment nào. Thiết kế này khiến JPEG khá dễ đọc: chỉ cần dò tìm các byte FF rồi xem ngay sau nó là gì.

Điều đáng nói về quyền riêng tư là toàn bộ siêu dữ liệu (EXIF, GPS, ngày giờ chụp) đều nằm trong các segment đó, hoàn toàn tách khỏi dữ liệu ảnh thật. Nhờ vậy chúng tôi xóa được siêu dữ liệu mà không đụng tới pixel và cũng không phải nén lại thứ gì.

JFIF và EXIF

Có một chuyện làm khá nhiều người bối rối: file JPEG thường chứa cùng lúc hai chuẩn siêu dữ liệu khác nhau. JFIF ra đời trước và lo những thứ cơ bản như độ phân giải. Sau đó máy ảnh bắt đầu ghi thêm dữ liệu EXIF với đủ thông tin chi tiết về lần chụp. Đa số file JPEG hiện nay có cả hai, nên bạn sẽ thấy cả marker APP0 lẫn APP1 ở gần đầu file.

Mổ xẻ các marker APP

Chuẩn JPEG dành riêng 16 marker "ứng dụng" (APP0 tới APP15) để các hãng muốn dùng sao thì dùng. Qua nhiều năm, mỗi tổ chức lại chiếm lấy một marker cho định dạng siêu dữ liệu của mình. Kết quả là một mớ hơi lộn xộn, nhưng ít ra là mớ lộn xộn có tài liệu đầy đủ.

Chỗ khó là cùng một marker lại có thể mang ý nghĩa khác nhau tùy nội dung. Chẳng hạn APP1 có thể là dữ liệu EXIF hoặc XMP, nên bạn phải nhìn vào chuỗi định danh bên trong mới biết mình đang đụng tới cái nào.

Cấu trúc EXIF

Đây là chỗ thú vị (và hơi kỳ lạ). Dữ liệu EXIF thực chất là một file TIFF tí hon nằm gọn bên trong file JPEG của bạn. Đúng vậy đấy. Nó có phần đầu riêng, thứ tự byte riêng, và dùng cấu trúc IFD (Image File Directory) của TIFF để lưu các thẻ.

Thứ đầu tiên bạn thấy ngay sau định danh "Exif" là một header TIFF, cho biết dữ liệu là little-endian (Intel, "II") hay big-endian (Motorola, "MM"). Đọc sai chỗ này thì mọi con số đều thành rác, nên đây luôn là thứ đầu tiên mà mọi bộ đọc kiểm tra.

PicScrub xử lý JPEG như thế nào

Cách làm khá đơn giản: chúng tôi đọc lần lượt từng marker trong file, giữ lại những marker cần thiết để hiển thị ảnh, và bỏ qua những marker chứa siêu dữ liệu. Vì không bao giờ đụng vào phần dữ liệu ảnh đã nén, chất lượng không suy giảm chút nào.

Mấu chốt là cấu trúc dựa trên marker của JPEG khiến việc này rất dễ. Chúng tôi không cần hiểu hệ số DCT hay bảng Huffman. Chỉ cần biết segment nào là siêu dữ liệu và segment nào thì không.

Bảng tra thẻ EXIF

Xét về quyền riêng tư, không phải thẻ EXIF nào cũng như nhau. Một số thẻ, chẳng hạn thông số phơi sáng, khá vô hại. Số khác, như số sê-ri hay tên chủ sở hữu, có thể chỉ đích danh bạn hoặc thiết bị của bạn. Đây là những thẻ mà chúng tôi xếp vào loại rủi ro cao:

Bảng tra thẻ GPS

Dữ liệu GPS nằm trong một sub-IFD riêng, được thẻ 0x8825 trong IFD chính trỏ tới. Nếu con trỏ đó tồn tại thì ảnh của bạn có dữ liệu vị trí. Điện thoại thông minh đời mới đặc biệt hăng hái trong việc nhúng thứ này, thường là đủ chính xác để chỉ ra bạn đứng đúng ở chỗ nào.

Bảng tra thẻ IPTC

IPTC vốn được thiết kế cho các hãng tin, để nhúng chú thích, thông tin ghi công và bản quyền vào ảnh. Nó nằm trong APP13 với định danh "Photoshop 3.0" (đúng vậy, Adobe đã tiếp nhận chuẩn này). Nếu bạn từng thêm thông tin bản quyền hay từ khóa trong Lightroom hoặc Photoshop, đây chính là nơi chúng nằm lại.