ডকুমেন্ট পিএনজি থেকে এক্সট্রাক্টেড টেক্সট কনভার্টার
একটি রাস্টার ইমেজ ডকুমেন্ট পিএনজিকে প্লেইন টেক্সটে রূপান্তর করার মাধ্যমে অপটিক্যাল ক্যারেক্টার রিকগনিশন ব্যবহার করে স্ট্যাটিক ছবির পিক্সেলগুলোকে এডিটেবল শব্দে রূপান্তর করা হয়।
ফরম্যাট তুলনা এবং প্রযুক্তিগত বৈশিষ্ট্য
| বৈশিষ্ট্য | PNG | TXT |
|---|---|---|
| MIME টাইপ | image/png | text/plain |
| ধরন | raster | plain text |
| কম্প্রেশন | lossless (DEFLATE / LZ77 + Huffman) | none |
| স্ট্যান্ডার্ড বৈশিষ্ট্য | W3C PNG 3rd Edition | Unicode Standard / UTF-8 RFC 3629 |
| ম্যাজিক বাইটস হেডার | 89 50 4E 47 0D 0A 1A 0A | UTF-8 / ASCII plain stream |
ফরম্যাটের ওভারভিউ এবং ব্যবহার
স্ক্যান করা কাগজ বা রসিদের ছবি নিয়ে কাজ করার সময় সাধারণত পোর্টেবল নেটওয়ার্ক গ্রাফিক্সের মতো রাস্টার ইমেজ ফাইল হ্যান্ডেল করতে হয়। পিএনজি ইমেজ টেক্সট ও ডায়াগ্রামের সমস্ত ভিজ্যুয়াল ডিটেইল সংরক্ষণ করলেও এর ভেতরের শব্দগুলো হাইলাইট, সার্চ বা এডিট করা যায় না। একটি পিএনজি ডকুমেন্টকে প্লেইন টেক্সট ফাইলে রূপান্তর করার মাধ্যমে লিখিত অক্ষরগুলো বের করে আনা হয়, যাতে সেগুলো বেসিক ওয়ার্ড প্রসেসর এবং ডেটাবেজে পরিবর্তন করা যায়। কাগজের আর্কাইভ ডিজিটাইজ করা, ইনভয়েস প্রসেস করা এবং স্ক্যান করা মেমো আধুনিক টেক্সট সার্চ সিস্টেমে যুক্ত করার জন্য এই ওয়ার্কফ্লোটি অত্যন্ত জরুরি। সফটওয়্যার ইঞ্জিনিয়ার এবং অফিস কর্মীরা ডেটা এন্ট্রি অটোমেট করার জন্য এই ট্রান্সলেশন ধাপটির ওপর নির্ভর করেন। প্রিন্টেড রসিদ বা ঐতিহাসিক চিঠিপত্রের পাতার পর পাতা টাইপ করার পরিবর্তে ওএমআর ইঞ্জিনগুলো ইমেজের গ্রিড স্ক্যান করে, অক্ষরের আকার চিনতে পারে এবং পরিষ্কার ক্যারেক্টার ডেটা আউটপুট দেয়। এর ফলে প্রাপ্ত প্লেইন টেক্সট ফাইলটি সমস্ত ভিজ্যুয়াল স্টাইল, ফন্ট এবং রঙ সরিয়ে ফেলে, ফলে স্টোরেজ বা স্ক্রিপ্ট প্রসেসিংয়ের জন্য শুধুমাত্র কাঁচা আলফানিউমেরিক অক্ষরগুলো অবশিষ্ট থাকে।
প্রযুক্তিগত বৈশিষ্ট্য এবং কোডেক বিভাজন
একটি ডকুমেন্ট পিএনজি ফাইলে (MIME টাইপ image/png) লসলেস ডিফ্লেট কম্প্রেশন সহ একটি রাস্টার লেআউট ব্যবহার করা হয়, যা LZ77 স্লাইডিং ডিকশনারি এবং হফম্যান কোডিং একত্রিত করে। এটি ৮-বাইটের ম্যাজিক নম্বর সিগনেচার দিয়ে শুরু হয়: 89 50 4E 47 0D 0A 1A 0A। কন্টেইনারের ভেতরে পিক্সেল ডেটা IHDR এবং IDAT-এর মতো চাঙ্কে সাজানো থাকে। অপরদিকে, একটি এক্সট্রাক্টেড টেক্সট ফাইলে (MIME টাইপ text/plain) কোনো ধরনের স্টাইল ছাড়া আনকম্প্রেসড ক্যারেক্টার স্ট্রিং থাকে, যা কোনো বাইনারি ম্যাজিক বাইট ছাড়াই UTF-8 বা ASCII-এর মতো স্ট্যান্ডার্ড এনকোডিংয়ের ওপর নির্ভর করে। দুটির মধ্যে রূপান্তরের জন্য একটি ওএমআর ইঞ্জিনের প্রয়োজন হয় যা পিএনজি পিক্সেল গ্রিড পার্স করতে পারে, টেক্সট বাউন্ডারি শনাক্ত করতে পারে এবং গ্লিফগুলোকে টেক্সট ক্যারেক্টার কোডের সাথে ম্যাপ করতে পারে।
OS এবং ব্রাউজার সামঞ্জস্য
পিএনজি ইমেজকে প্লেইন টেক্সটে রূপান্তর করার বিষয়টি আধুনিক অপারেটিং সিস্টেম এবং ওয়েব রানটাইম জুড়ে সার্বজনীনভাবে সমর্থিত। উইন্ডোজ, ম্যাকওএস এবং লিনাক্সের মতো ডেস্কটপ এনভায়রনমেন্টগুলো টার্মিনাল টুল বা জিইউআই টেক্সট এডিটরের মাধ্যমে উভয় ফরম্যাটই নেটিভভাবে হ্যান্ডেল করে। আইওএস এবং অ্যান্ড্রয়েডের মোবাইল প্ল্যাটফর্মগুলোতে বিল্ট-ইন সিস্টেম ওএমআর সক্ষমতা রয়েছে যা পিএনজি ক্যামেরা ক্যাপচার থেকে তাৎক্ষণিকভাবে টেক্সট তুলে নেয়। আধুনিক ওয়েব ব্রাউজারগুলোতে ক্লায়েন্ট-সাইড জাভাস্ক্রিপ্ট ওএমআর লাইব্রেরি চালানো যায়, যার ফলে ব্যবহারকারীরা ডেস্কটপ সফটওয়্যার ইনস্টল না করেই সরাসরি ক্রোম, ফায়ারফক্স, সাফারি এবং এজ-এর ভেতরে ইমেজ থেকে টেক্সট এক্সট্রাক্ট করতে পারেন।
💡 উপকারী তথ্য
টেক্সট এক্সট্রাকশনের সময় সর্বোচ্চ নির্ভুলতা নিশ্চিত করতে আপনার সোর্স পিএনজি ডকুমেন্টে উচ্চ কনট্রাস্ট, শার্প প্রান্ত এবং কমপক্ষে ৩০০ ডিপিআই রেজোলিউশন থাকা নিশ্চিত করুন, যা অপটিক্যাল ক্যারেক্টার রিকগনিশন অ্যালগরিদমকে একই রকম অক্ষরের মধ্যে পার্থক্য করতে সাহায্য করে।
ফরম্যাট তুলনা এবং প্রযুক্তিগত বৈশিষ্ট্য
হাই-রেজোলিউশন পিএনজি ইমেজ হিসেবে সংরক্ষিত একটি সাধারণ ফুল-পেজ টেক্সট ডকুমেন্টের আকার প্রায় ২ মেগাবাইট হয়। প্রতি সেকেন্ডে ১৫ মেগাবিট গতিসম্পন্ন ৪জি মোবাইল নেটওয়ার্কে এই ফাইলটি ট্রান্সফার হতে প্রায় ১.১ সেকেন্ড সময় নেয়। প্রতি সেকেন্ডে ১০০ মেগাবিট গতিসম্পন্ন ৫জি কানেকশনে ট্রান্সফার হতে সময় লাগে প্রায় ০.১৬ সেকেন্ড এবং প্রতি সেকেন্ডে ৫০০ মেগাবিট গতিসম্পন্ন ফাইবার কানেকশনে এটি এক মিলিসেকেন্ডের ভগ্নাংশে শেষ হয়। এক্সট্রাক্টেড টেক্সট ফাইলে রূপান্তরিত হওয়ার পর এর আকার নাটকীয়ভাবে কমে মাত্র ৫ কিলোবাইট হয়ে যায়, যার ফলে পরবর্তী নেটওয়ার্ক ট্রান্সফার তাৎক্ষণিক হয়ে ওঠে।
সচরাচর জিজ্ঞাসিত প্রশ্নাবলী
কোয়ালিটি না কমিয়ে কীভাবে ডকুমেন্ট পিএনজি থেকে এক্সট্রাক্টেড টেক্সটে রূপান্তর করবেন?
যেহেতু পিএনজি লসলেস কম্প্রেশন ব্যবহার করে, তাই পিক্সেল ডেটা নিখুঁতভাবে সংরক্ষিত থাকে। চূড়ান্ত টেক্সটের কোয়ালিটি সম্পূর্ণ নির্ভর করে ইমেজটি পাঠ করার ওএমআর ইঞ্জিনের নির্ভুলতার ওপর। উচ্চ-রেজোলিউশনের সোর্স স্ক্যান ব্যবহার করলে ক্যারেক্টার রিকগনিশনের ত্রুটি এড়ানো যায়।
ডকুমেন্ট পিএনজি এবং এক্সট্রাক্টেড টেক্সটের মধ্যে পার্থক্য কী?
ডকুমেন্ট পিএনজি হলো একটি রাস্টার ইমেজ ফরম্যাট যা কম্প্রেসড পিক্সেল এবং কালার চ্যানেল ব্যবহার করে টেক্সটের ভিজ্যুয়াল ছবি সংরক্ষণ করে। এক্সট্রাক্টেড টেক্সট হলো একটি হালকা প্লেইন টেক্সট ডকুমেন্ট যাতে কোনো ভিজ্যুয়াল স্টাইল, ফন্ট বা ইমেজ ছাড়া শুধুমাত্র স্ট্যান্ডার্ড ক্যারেক্টার এনকোডিং থাকে।