PNM(PPM/PGM/PBM)ファイルフォーマット

画像形式の一例

もともとこの形式は、電子メールなどでやりとりでき、特別なツールがなくても読み書き編集ができる、 「プレーンテキスト」の画像形式として提唱されたところから始まっている。 つまり、テキストエディタさえあれば読み書き編集が可能な形式である。

テキストであるということは画像のようなデータを格納する上で非常に効率が悪いのだが、 初級者にも非常にわかりやすく、学習にはぴったりである。

どのぐらい分かりやすいか以下のデータを見て欲しい。PBM形式の一例である。

P1
15 15
1 1 1 1 1 0 1 1 1 1 1 1 1 1 1
1 1 1 1 1 0 1 1 1 0 0 0 1 1 1
1 1 0 0 0 0 0 0 0 1 1 1 1 1 1
1 1 1 1 1 0 1 1 1 1 1 1 1 1 1
1 1 1 1 1 0 1 1 0 1 1 1 1 1 1
1 1 1 1 1 0 0 0 0 0 0 1 1 1 1
1 1 1 1 0 0 1 1 0 1 1 0 0 1 1
1 1 0 0 1 0 1 1 0 1 1 1 0 1 1
1 1 0 1 1 0 1 0 1 1 1 1 1 0 1
1 0 1 1 1 0 1 0 1 1 1 1 1 0 1
1 0 1 1 1 0 0 1 1 1 1 1 1 0 1
1 0 1 1 1 0 0 1 1 1 1 1 0 1 1
1 1 0 0 0 0 1 1 1 1 1 0 0 1 1
1 1 1 1 1 0 1 1 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

どのような画像かわざわざ説明しなくても予想ができると思うが、以下にこれを拡大してpngに変換した画像を示す。

実際、このPBMファイルは画像編集ソフトで作ったわけではなく、私がテキストエディタで入力して作ったものだ。 コピーアンドペーストでテキストエディタに入力し拡張子を.pbmとして保存すれば画像ファイルとして通用する。

どうだろうか、おそらく入門書を読んでいる途中の初級者でも、 ファイル入出力あたりまで進んでいれば、なんとなくどうすればこのデータの読み書きができるか想像できるだろう。

現在インターネット上などで通常流通することは少なく、 一般的なユーザで見たことがあるという人は少ないのではないかという形式を 一番最初に取り上げた理由が分かっていただけたと思う。

しかし、逆に少なくともWindows環境では対応しているソフトウェアが少ないので、 扱おうと思うと別途ソフトをインストールする必要がある。 確実なのはGIMPだろう。 オープンソースで無料で使えるし、最近はWindows用のバイナリも公式で配布してくれているので特に苦労せずに使えるはずだ。 私が使っているツールだと、Paint Shop Proも対応していたので紹介しておく。 一方、UNIX系のOSでは普通に使われる画像形式なので、画像を扱うためのツール群の多くは標準でサポートしているだろう。 必要ならGIMPを使えばよい。

画像形式 -ヘッダ-

具体的な画像形式について説明していく。 公式のファイルフォーマットドキュメントは以下を参照

• PBM Format Specification
• PGM Format Specification
• PPM Format Specification

英語ではあるが、わかりやすく明確に仕様が記述されているので、 最終的にはこちらのドキュメントを参照してもらった方が良いだろう。

前項で、この画像形式はプレーンテキストという説明から入ったが、 さすがに全てテキストでは効率が悪すぎるので、バイナリで格納するモードも持っている。 このバイナリーで格納するモードでも、バイナリなのは画像そのものの領域で、ヘッダ領域はプレーンテキストになっている。

まずは、このヘッダ領域のフォーマットについて説明する。

ヘッダは以下の様な構造になっている。

P<x>
# comment
<width> <height>
<max>

はじめのPxと書いているところは、ファイル形式の種別を示すマジックナンバーとなっている。

テキスト形式は、ASCII形式、バイナリ形式は、RAW形式と呼ばれることもある。 テキストで記述された、ある意味でゆるいフォーマットではあるが、 このマジックナンバーだけは必ずファイルの先頭にある必要がある。

さて、マジックナンバーの次からが、 厳密にプログラムで表現するのが面倒なところになる。

人間にも読み書きできるような、ある意味「ゆるい」フォーマットというのは、 パッと見た感じでは簡単だが、プログラム上で完全に対応するのは逆に難易度が高い。 例えば、AとBの間に空白を挟むというと、普通はスペースを開けるだろうが、 スペースを2個以上入れる人や、改行、タブを交える人もいるだろう。 そのように一定のルールのもと、あらゆるパターンに対応させる必要がある。

マジックナンバー2文字の次だが、例では改行を入れている。 通常は改行が入っている場合が多いが、仕様上は改行とは限らない。 PNM形式ではテキスト領域のトークン（要素）のデリミタ（分離記号）は1つ以上の空白文字になっている。 空白文字とは、C言語で標準空白類文字とされる文字だ。 列挙すると以下が該当する文字だ。

• ' ' 空白(space)
• '\r' 復帰(CR)
• '\n' 改行(LF)
• '\t' 水平タブ(TAB)
• '\v' 垂直タブ(VT)
• '\f' 書式送り(FF)

これはC言語の標準関数である、isspace()が真を返す文字だ。

#include <ctype.h>
int isspace(int c);

多くの場合、改行一つだが、スペースでもタブでも、これらの複数の組み合わせであっても違反ではないので、 どの場合でも読み込める必要がある。

続いて、マジックナンバーの次の行に書いている#から始まる行はコメントだ。 コメントは何もここにだけ現れるとは限らず、テキストの領域であればどこに現れてもよい。 ヘッダだけでなく、テキスト形式の場合は画像データ中に現れても仕様違反ではない。 コメントの範囲を厳密に言うと、#で始まり、次の最初の改行、 つまり\nか、\rが現れるまで、がコメントだ。 コメントには画像を出力したツールの名前などが書かれていたりする。

コメントの次の行には画像の幅と高さを10進数で記述されている。 多くの場合、幅と高さが1行の中に書かれ、間にスペースが挟まれているが、 前述のとおり、幅と高さの間に改行があったり、マジックナンバーと同じ行にあっても間違いではない。

そして最後に、輝度の最大値を10進数で記述する。 この行は2値しか取らないPBM形式には不要なため存在しない、PGM形式とPPM形式は指定する必要がある。 一般に利用されるRGB値などの最大値は、8bitの最大値である255だが、 この画像形式では任意の数字を指定できる。例えば9と書けば0～9の10階調で表現することができる。 もともとは上限255、つまり8bitまでの対応となる仕様だったが、 現在、仕様が拡張され上限65535で、いわゆる16bit深度までの階調を扱える仕様になっている。 ただ、他の多くのフォーマットもビット深度は8bitまでであることも考えれば、 255より大きな値になっているファイルを読み込まなければならないシーンは稀だろう。

まとめると以下の様な構造になる。

• マジックナンバー
• 空白
• 幅
• 空白
• 高さ
• 空白
• (PPM/PGM)最大輝度
• (PPM/PGM)空白

最後の空白については、テキスト形式の場合特に気にする必要はないが、 バイナリ形式の場合は、ここがテキスト形式とバイナリ形式の境目になるため注意が必要だ。 バイナリ形式では最後の空白は一つと厳密に決まっている。 多くの場合改行で表現されるのだが、Windowsの場合、テキストモードで改行を出力するとCRLFの2byteに変換されてしまう。 そのため、プレーンテキストの領域とはいえ、バイナリモードで扱うようにする必要がある。

画像形式 -画像データ-

ヘッダ情報に引き続き配置されるのが画像データである。 詳細は各画像形式ごとに説明していくが、共通しているのが、 データの格納順は横書き文章と同一で、左上から右側へ走査しながら下に向かう形で格納されている。 また、テキスト形式は1行の長さは70文字以下であることが推奨されている。 実際には70文字以上あっても読み込んでくれるツールがほとんどだ。