مبدل تصویر اسکنشده به متن استخراجشده
تبدیل یک تصویر اسکنشده به متن استخراجشده، پیکسلهای تصویر را به کاراکترهای قابل ویرایش تبدیل میکند تا بتوانید به راحتی کلمات را جستجو، ویرایش و ذخیره کنید.
مقایسه فرمتها و مشخصات فنی
| مشخصات | IMAGE | TXT |
|---|---|---|
| نوع MIME | image/jpeg | text/plain |
| نوع | scanned document bitmap photograph | plain text |
| فشردهسازی | lossy DCT / lossless Deflate | none |
| مشخصات استاندارد | W3C / ISO JPEG / PNG Standard | Unicode Standard / UTF-8 RFC 3629 |
| هدر بایتهای جادویی | FF D8 FF (JPEG) or 89 50 4E 47 (PNG) | UTF-8 / ASCII plain stream |
نمای کلی فرمت و کاربردها
تبدیل تصاویر اسناد به فایلهای متنی ساده یک کار رایج برای دفاتر، مدارس و آرشیوها است. هنگامی که از یک رسید کاغذی عکس میگیرید یا صفحه یک کتاب قدیمی را اسکن میکنید، نتیجه یک تصویر بیتمپ ثابت است. این تصویر را نمیتوان با یک پردازشگر کلمه استاندارد ویرایش کرد و کلمات آن قابل جستجو نیستند. اجرای تشخیص نوری کاراکتر، آن اشکال بصری را به رشتههای قابل خواندن توسط ماشین تبدیل میکند. پس از استخراج، محتوا به عنوان یک فایل متنی ساده ذخیره میشود. این فرمت متن ساده فضای ذخیرهسازی بسیار کمی را اشغال میکند و تقریباً روی هر دستگاهی باز میشود. آرشیویستها از این فرآیند برای دیجیتالی کردن سوابق تاریخی استفاده میکنند و آنها را با کلیدواژه قابل جستجو میسازند. کارمندان اداری از آن برای استخراج دادهها از فاکتورهای کاغذی بدون تایپ کردن دستی همه چیز استفاده میکنند.
مشخصات فنی و تحلیل کدک
یک تصویر اسکنشده استاندارد JPEG از نوع MIME تصویر/jpeg استفاده میکند که برای ذخیره فضا به فشردهسازی تبدیل کسینوسی گسسته با تلفات متکی است. فایل با امضای بایت جادویی FF D8 FF شروع میشود. در طول تبدیل، یک موتور تشخیص نوری کاراکتر شبکه پیکسلی را اسکن میکند تا اشکال حروف را بر اساس هندسه و کنتراست شناسایی کند. فایل متنی خروجی از نوع MIME متن/ساده بدون فشردهسازی استفاده میکند. این فایل شامل کدگذاریهای کاراکتر استاندارد ASCII یا UTF-8 با صفر سربار کانتینر است که فایل حاصل را سبکوزن و به طور جهانی قابل خواندن میکند.
سازگاری با سیستمعامل و مرورگر
فایلهای TXT استخراجشده روی هر سیستمعامل، از جمله ویندوز، مکاوس، لینوکس، iOS و اندروید کار میکنند. مرورگرهای وب مدرن میتوانند فایلهای متنی را مستقیماً بخوانند و نمایش دهند. تصاویر اسکنشده JPEG به نمایشگرهای تصویر یا ویرایشگرهای سند تخصصی نیاز دارند، اما خروجی متن نهایی فقط به یک ویرایشگر متن ساده مانند نوتپد یا TextEdit نیاز دارد.
💡 اطلاعات مفید
قبل از اجرای استخراج متن، مطمئن شوید که تصویر اسکنشده شما دارای کنتراست بالا و نور مناسب است تا خطاهای اراشی و کاراکترهای گمشده کاهش یابد.
مقایسه فرمتها و مشخصات فنی
یک فایل JPEG اسکنشده معمولی حدود ۲ مگابایت اندازه دارد، در حالی که فایل TXT استخراجشده حاصل به تنها ۵ کیلوبایت کاهش مییابد. در یک شبکه تلفن همراه استاندارد 4G با سرعت ۱۵ مگابیت بر ثانیه، بارگیری تصویر اصلی حدود یک ثانیه طول میکشد، در حالی که فایل متنی کوچک فوراً در کمتر از یک میلیثانیه بارگیری میشود.
پرسشهای متداول
چگونه تصویر اسکنشده را بدون از دست دادن کیفیت به متن استخراجشده تبدیل کنیم؟
استخراج متن کیفیت بصری تصویر اصلی را حفظ نمیکند. در عوض، دادههای پیکسل را به کاراکترهای قابل خواندن ترجمه میکند. برای حفظ دقت بالای متن، با یک اسکن واضح و با رزولوشن بالا شروع کنید تا موتور تشخیص کاراکتر بتواند به راحتی حروف را از یکدیگر تشخیص دهد.
تفاوت بین تصویر اسکنشده و متن استخراجشده چیست؟
یک تصویر اسکنشده عبارت است از یک شبکه بصری از پیکسلهای رنگی که در یک فرمت فشرده مانند JPEG ذخیره شده است. متن استخراجشده مجموعهای از کاراکترهای الفبایی-عددی کدگذاری شده است که در یک فایل متنی ساده بدون هیچگونه تصویر، فونت یا استایلبندی چیدمان ذخیره شده است.