PNG থেকে TXT কনভার্টার
একটি রাস্টার ইমেজ ডকুমেন্ট PNG-কে 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/ | text/ |
| ধরন | রাস্টার | সাধারণ টেক্সট |
| কম্প্রেশন | লসলেস (DEFLATE / LZ77 + Huffman) | কিছুই না |
| স্ট্যান্ডার্ড বৈশিষ্ট্য | W3C PNG 3rd Edition | Unicode Standard / UTF-8 RFC 3629 |
| ম্যাজিক বাইটের 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 OCR 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 PNG 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 OCR ইঞ্জিনের প্রয়োজন হয় যা PNG পিক্সেল গ্রিড পার্স করতে পারে, টেক্সট বাউন্ডারি শনাক্ত করতে পারে এবং গ্লিফগুলোকে টেক্সট ক্যারেক্টার কোডের সাথে ম্যাপ করতে পারে।
OS এবং ব্রাউজার সামঞ্জস্য
আধুনিক অপারেটিং সিস্টেম ও web runtime-এ PNG ছবিকে plain text-এ রূপান্তরের ব্যাপক সমর্থন রয়েছে। Windows, macOS ও Linux-এর desktop environment-এ terminal tool বা GUI text editor দিয়ে দুই ধরনের ফাইলই নেটিভভাবে ব্যবহার করা যায়। iOS ও Android-এ built-in system OCR রয়েছে, যা PNG ক্যামেরা ছবির লেখা দ্রুত শনাক্ত করে। আধুনিক browser-এ client-side JavaScript OCR library চালানো যায়, ফলে desktop software ইনস্টল না করেও Chrome, Firefox, Safari ও Edge-এর ভেতর সরাসরি ছবির লেখা আহরণ করা যায়।
উপকারী তথ্য
টেক্সট এক্সট্রাকশনের সময় সর্বোচ্চ নির্ভুলতা নিশ্চিত করতে আপনার সোর্স PNG 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।
সচরাচর জিজ্ঞাসিত প্রশ্নাবলী
কোয়ালিটি না কমিয়ে কীভাবে ডকুমেন্ট PNG থেকে আহরিত পাঠ্যে রূপান্তর করবেন?
যেহেতু PNG লসলেস কম্প্রেশন ব্যবহার করে, তাই পিক্সেল ডেটা নিখুঁতভাবে সংরক্ষিত থাকে। চূড়ান্ত টেক্সটের কোয়ালিটি সম্পূর্ণ নির্ভর করে ইমেজটি পাঠ করার ওসিআর ইঞ্জিনের নির্ভুলতার ওপর। উচ্চ-রেজোলিউশনের সোর্স স্ক্যান ব্যবহার করলে ক্যারেক্টার রিকগনিশনের ত্রুটি কমাতে সাহায্য করে।
ডকুমেন্ট PNG এবং আহরিত পাঠ্যের মধ্যে পার্থক্য কী?
ডকুমেন্ট PNG হলো একটি রাস্টার ইমেজ ফরম্যাট যা কম্প্রেসড পিক্সেল এবং কালার চ্যানেল ব্যবহার করে টেক্সটের ভিজ্যুয়াল ছবি সংরক্ষণ করে। আহরিত পাঠ্য হলো একটি হালকা প্লেইন টেক্সট ডকুমেন্ট যাতে কোনো ভিজ্যুয়াল স্টাইল, ফন্ট বা ইমেজ ছাড়া শুধুমাত্র স্ট্যান্ডার্ড ক্যারেক্টার এনকোডিং থাকে।