注意：本文所述的方法不适用于 PNG 格式的文件及 JPEG 中大于 64 KB 的 ICC。

在数字图像中，标记色彩空间的一种方式是嵌入 ICC 文件。许多图像格式如 JPEG、HEIC、TIFF 都支持内嵌 ICC 文件，但这些格式存储 ICC 的方式各不相同，比如 JPEG 放在 APP2 标记段中，HEIC 放在 ‘colr’ box 中，如果按照不同的格式先解析，再从输出中提取 ICC 部分，即繁琐，又容易遗漏。

比如 JPEG 的拓展 ISO 21496-1 HDR 图像，使用多个 JPEG 流拼接，MPF 标记位置。这种文件使用 PIL 等库的默认方法来解析，往往只能获得第一段 JPEG 的内容，无法完整提取后面可能存在的 ICC 文件。

有没有一种方法可以不关心图像格式，直接从二进制数据中提取出 ICC 文件呢？ICC 文件是自描述的，有非常明显的特征和结构化的数据帮助我们直接识别和提取它，只要它没有在文件的字节流中被压缩过，我们就可以尝试直接识别与提取。

PNG 等特殊情况

在 PNG 文件格式中，ICC profile 存储在一个名为 iCCP (Embedded ICC profile) 的数据块（Chunk）中。这个数据块的具体结构如下：

  • Profile 名称：1-79 字节的 ASCII 字符串。
  • Null 分隔符：1 字节（0x00）。
  • 压缩方法：1 字节（目前规定只能是 0x00，代表 zlib/deflate 压缩）。
  • 压缩后的 Profile 数据：剩余的字节全是经过 zlib 压缩的 ICC 数据。

由于压缩的存在，无法再从字节流中找到 'acsp' 等特征，也就无法直接提取。

TIFF 可以对文件使用 ZIP 等压缩，但不会影响图像以外的部分，仍可识别到完整无压缩的 ICC 字节流。

另外，JPEG 中用于存储 ICC 数据的 APP2 Marker 数据块，最大能容纳约 64KB 的有效载荷。如果 ICC 文件过于复杂，则会被切片分段存储，提取出的连续字节流中会混入 JPEG 的 APP2 标记头数据，导致提取出的 ICC 文件损坏且无法解析。

ICC 文件的结构特点

根据 ICC 规范（ICC.1:2022），任何合法的 ICC 文件都包含一个 128 字节的文件头，其中有两个字段非常关键：

  • 字节 0～3：文件总大小，以 uInt32Number（无符号 32 位整数，大端序）存储。
  • 字节 36～39：固定的签名 'acsp'（十六进制 61 63 73 70）。

这意味着，无论 ICC 文件嵌入在何种文件中，只要我们能在二进制流中找到 'acsp' 签名，向前偏移 36 字节就能定位到 ICC 文件的开头，再读取前 4 字节即可知道整个 ICC 文件的大小，从而完整地提取出来。

以下是一个简单的提取思路：

  1. 以二进制方式扫描整个文件，搜索 b'acsp'，位置不能在文件的前 36 字节。
  2. 对每个匹配位置，向前 36 字节找到开头，并读取四个字节，转化为无符号的 32 位整数。
  3. 检查这个整数是否合理，它必须大于 128，并小于文件的剩余长度。
  4. 按照该整数，从开头位置读取出完整字节流。
  5. 简单的验证是否是 ICC 文件。
  6. 向后继续查找。

简单验证方法

为了确认提取出的的确是一个 ICC 文件，我们可以进一步尝试解析一下提取出的这堆字节。比如文件头中的版本号和设备类。

  • 字节 8～11：版本号，字节 8 存储主要版本号，字节 9 的高四位和低四位分别存后两位版本号，别的应当为 0。
  • 字节 12～15：设备类，使用 ascii 存储四位字符，常见的有 mntr（显示设备），scnr（输入设备）等。

这些相对比较固定的字段可以用来简单的验证是否真是一个 ICC 文件，仅依靠 b'acsp' 的纯理论碰撞概率是 $1/2^{32}$，即便在各种格式的近百张图像的测试中，没有出现过误判和漏判的情况。但仍需提醒，这样简单粗暴的方法只能用来快速提取 ICC 文件，不适合用在任何严肃的用途中，且不能用于提取 PNG 文件中的 ICC 或 JPEG 中大于 64 KB 的 ICC。

Python 实现

这里是以上内容的简单 Python 实现，可以扫描并提取输入文件中的一个或多个 ICC 文件，然后简单的解析其版本号和设备类。

传送到 Github

uv run extract_icc.py image.jpg

一些小发现

从各种地方提取出的 ICC 文件中，有以下的小发现：

  • 一个基本的 RGB ICC 文件的经验大小大概是 530 字节，包含文件头，描述，Copyright，三基色 XYZ，白点 XYZ，参数化的传递函数和色适应矩阵。
  • 经典的 sRGB ICC 文件有 3 KB，主要原因是使用了 1D-LUT 形式的传递函数，即便三通道相互复用，仍需要记录 1024 个点，占用了 2060 个字节。这几乎和 B 站视频的封面图片文件一样大，使用 AVIF 格式存储的 B 站视频封面大概只有 3-4 KB，它使用 CICP 标识色彩空间而非 ICC，能够节约大量空间（相对已经很小的图片文件来说）。
  • 一些包含了具体转换意图的 ICC 文件可能有 30 KB 大，主要是庞大的 3D-LUT（比如 A2B0），以及用于描述 HDR 下变换的部分。这甚至有可能比单独存一个 Gainmap 都大，半分辨率的灰度 Gainmap 使用先进编码后可能只占到几 KB。

这是 ICC 色彩管理系统学习路上的第 0 步（也可能是第 -1 步），接下来，会分享 ICC 色彩管理的学习笔记和心得。