JPEG

文件结构概览

如果你用十六进制编辑器打开过 JPEG，就会发现它是由一个个被标记分隔开的段组成的。每个标记都以 0xFF 开头，后面跟一个字节，说明这是什么类型的段。这个设计让 JPEG 相对好解析： 只要扫描 FF 字节，再看看它后面跟着什么就行。

对隐私来说有意思的地方在于，所有元数据（EXIF、GPS、拍摄时间）都住在这些段里， 和真正的图像数据完全分开。所以我们才能清除元数据，而不碰任何像素、不做任何重新压缩。

JFIF 与 EXIF

有件事让很多人犯迷糊：JPEG 文件里常常同时装着两套不同的元数据标准。 JFIF 出现得更早，管的是分辨率之类的基础信息。后来相机开始往里塞 EXIF 数据， 记录详细的拍摄参数。今天大多数 JPEG 两套都有，所以你会在文件开头附近同时看到 APP0 和 APP1 标记。

APP 标记详解

JPEG 规范预留了 16 个“应用”标记（APP0 到 APP15），让厂商自由发挥。 这些年下来，不同的组织各自占了不同的标记来放自己的元数据格式。 结果自然有点乱，但好在是一团有文档可查的乱。

麻烦之处在于，同一个标记根据内容不同，含义也不同。比如 APP1 既可能装 EXIF， 也可能装 XMP，你得看看里面的标识符字符串，才知道自己面对的是哪一种。

EXIF 的结构

有意思（也有点怪）的地方来了：EXIF 数据其实是一个嵌在 JPEG 里的微型 TIFF 文件。 是的，真的。它有自己的文件头、自己的字节序，并用 TIFF 的 IFD（Image File Directory） 结构来存放标签。

在“Exif”标识符之后，你首先看到的是 TIFF 文件头，它说明数据是小端序（Intel，“II”） 还是大端序（Motorola，“MM”）。这一步弄错，后面所有数字都会变成垃圾， 所以任何解析器都会先检查它。

PicScrub 如何处理 JPEG

思路相当直接：我们一个标记一个标记地读完整个文件，保留显示图像必需的那些， 跳过装着元数据的那些。因为压缩过的图像数据我们从来不碰，所以画质零损失。

关键在于 JPEG 基于标记的结构让这件事变得简单。我们不需要理解 DCT 系数， 也不需要看懂霍夫曼表，只要分清哪些段是元数据、哪些不是就够了。

EXIF 标签速查表

就隐私而言，EXIF 标签并不是一视同仁的。有些标签（比如曝光参数）相当无害， 另一些（比如序列号和机主姓名）却能唯一地指认出你或你的器材。 下面这些是我们认定的高风险标签：

GPS 标签速查表

GPS 数据住在自己的子 IFD 里，由主 IFD 中的 0x8825 标签指向它。 只要这个指针存在，你的图片里就有位置数据。现在的智能手机在这件事上格外积极， 精度往往足以指出你当时具体站在哪儿。

IPTC 标签速查表

IPTC 当初是为通讯社设计的，用来在图片里嵌入图注、署名和版权信息。 它存放在 APP13 里，标识符是“Photoshop 3.0”（没错，Adobe 把它接了过去）。 你在 Lightroom 或 Photoshop 里填过的版权信息和关键词，最后就落在这里。