在从零开始手敲次世代游戏引擎（三十五）当中我们完成了衣裙贴图的加载和绘制。但是所谓画龙点睛，我们的模型目前仍然是没有?的。之所以这样，因为眼睛的贴图是PNG格式的，而目前我们只写了BMP和JPEG格式的解析器。
那么让我们立即开始PNG格式解析器的编写。
经过BMP和JPEG格式的锤炼，我们对此应该已经是比较驾轻就熟的了。首先依然是从FrameWork/Parser当中现有的代码拷贝生成PNG.hpp，然后根据参考引用当中的PNG格式的规格说明，修改这个代码。
与JPEG格式类似，PNG格式也是将数据组织为Chunk单位进行存储的。其Chunk的头部通过4个ASCII字母（8bit）类型进行标识。比较有意思的是，在这个4字母的标识符当中，PNG格式使用了字母的大小写来表示Chunk的一些属性。比如：
-
第一个字母大写表示该Chunk是一个基本Chunk，也就是PNG标准规定的必须有的Chunk。相对的，如果小写则表示该Chunk是一个扩展Chunk，也就是说是可有可无的；
-
第二个字母大写表示该Chunk表示符是经过国际标准化组织标准化过的，而小写则表示是未经标准化由应用私自扩展的（也就是说如果小写，表示这部分是没有互换性的）；
-
第三个字母目前必须大写。小写保留给今后，目前还没想好有什么用；
-
第四个字母表示这个Chunk能否原样复制到经过处理之后的图片当中，即使我们并不知道这个Chunk是用来干啥的。如果小写，那么我们可以无脑地将其复制到处理之后另存的图片当中，即使我们不知道这个Chunk的含义；如果大写，那么如果我们对第一个字母为大写的Chunk进行了任何修改，就不能原样复制第四个字母为大写的Chunk。换句话说，第四个字母表示该Chunk当中的数据是否对第一个字母为大写的Chunk有依赖性。
图片的数据是存储在IDAT这个chunk里面。将数据提取出来之后，首先要将其解压缩。与JPEG不同，PNG文件格式是无损压缩格式，它采用得数据压缩就是LZ77，也就是我们熟知的zip压缩包采用的压缩方式。（严格来说，zip当中可以有多种压缩算法，一些是被申请了专利的。而LZ77是public的）
LZ77压缩也可以理解为一种动态的霍夫曼编码，细节上与JPEG采用的霍夫曼有一点不同。我们可以基于之前在JPEG解析器当中编写的霍夫曼树的代码编写LZ77的解压缩代码。也可以导入成熟的库-zlib。我这里采用的是后者。
zlib的使用方法可以参考参考引用*5。
在完成解压之后，需要对数据进行反过滤（defiltering）。为了提高压缩率，我们需要减少数据的带宽，也就是减少数据的统计方差。更为通俗一点来讲的话，我们需要让数据尽可能地集中在0的两边，而不是分布在取值范围所容许的所有值上（0-255）。
在前面介绍的JPEG当中，我们是通过一个被称为quantization的过程实现这个目的的。而在PNG当中，使用一种称为prediction（预测）的算法实现这个目的。这个算法其实是利用图像的连续性，使用当前像素周边已知的像素值来预测当前像素的值。（在数学意义上，就是相当用偏导数替代值）。对于大多数图像来说，导数的变化幅度要远低于值的变化幅度，从而能够起到减少带宽的目的。
对于这个偏导数的选择（也就是用周边的哪个或者哪几个像素预测当前像素的值），PNG规范规定了几种方式，并且以行（Scan Line）为单位，对方式进行了选择。也就是说，在解压出来的数据当中，每行数据的第一个字节，并不是图像数据的一部分，而是对于这个预测公式的一个选择参数。
最后完成的代码在这里：
运行测试的结果如题图所示。
注意目前的代码只考虑了color type为6，也就是rgba类型的非索引png图片格式。其它的类型稍加修改就可以对应，但是目前还未编写。
参考引用
文礼简阔 