مبدل سند PNG به متن استخراجشده
تبدیل یک سند تصویر پیکسلی PNG به متن ساده، پیکسلهای ثابت تصویر را با استفاده از تشخیص نوری کاراکتر به کلمات قابل ویرایش تبدیل میکند.
مقایسه فرمتها و مشخصات فنی
| مشخصات | PNG | TXT |
|---|---|---|
| نوع MIME | image/png | text/plain |
| نوع | raster | plain text |
| فشردهسازی | lossless (DEFLATE / LZ77 + Huffman) | none |
| مشخصات استاندارد | W3C PNG 3rd Edition | Unicode Standard / UTF-8 RFC 3629 |
| هدر بایتهای جادویی | 89 50 4E 47 0D 0A 1A 0A | UTF-8 / ASCII plain stream |
نمای کلی فرمت و کاربردها
کار با اسناد کاغذی اسکنشده یا تصاویر رسیدها معمولاً به معنای مدیریت فایلهای تصویر پیکسلی مانند Portable Network Graphics است. در حالی که تصاویر PNG تمام جزئیات بصری متن و نمودارها را حفظ میکنند، نمیتوانید کلمات داخل آنها را برجسته، جستجو یا ویرایش کنید. تبدیل سند PNG به یک فایل متنی ساده، نویسههای نوشتهشده را استخراج میکند تا بتوان آنها را در واژهپردازها و پایگاههای داده پایهای تغییر داد. این روند کاری برای دیجیتالی کردن آرشیوهای کاغذی، پردازش فاکتورها و وارد کردن یادداشتهای اسکنشده به سیستمهای جستجوی متن مدرن ضروری است. مهندسان نرمافزار و کارمندان اداری برای خودکارسازی ورود دادهها به این مرحله ترجمه متکی هستند. بهجای تایپ کردن صفحات رسیدهای چاپی یا نامههای تاریخی، موتورهای OCR شبکه تصویر را اسکن میکنند، شکل حروف را تشخیص میدهند و دادههای کاراکتری تمیز را خروجی میدهند. فایل متنی ساده حاصل، تمام سبکهای بصری، فونتها و رنگها را حذف میکند و فقط کاراکترهای الفبایی-عددی خام را آماده ذخیرهسازی یا پردازش اسکریپتی باقی میگذارد.
مشخصات فنی و تحلیل کدک
یک فایل سند PNG (با نوع MIME تصویر/png) از یک طرحبندی پیکسلی با فشردهسازی بدون اتلاف DEFLATE استفاده میکند و دیکشنریهای لغزشی LZ77 و کدگذاری هافمن را ترکیب میکند. این فایل با امضای عدد جادویی ۸ بایتی شروع میشود: 89 50 4E 47 0D 0A 1A 0A. در داخل کانتینر، دادههای پیکسلی در بلوکهایی مانند IHDR و IDAT مرتب شدهاند. برعکس، یک فایل متن استخراجشده (با نوع MIME متن/ساده) شامل رشتههای کاراکتری فشردهنشده بدون هیچگونه استایلی است و به رمزگذاریهای استاندارد مانند UTF-8 یا ASCII بدون هیچ بایت جادویی باینری متکی است. تبدیل بین آنها مستلزم آن است که موتور OCR شبکه پیکسلی PNG را تجزیه کند، مرزهای متن را تشخیص دهد و گلیفها را به کدهای کاراکتر متنی نگاشت کند.
سازگاری با سیستمعامل و مرورگر
تبدیل تصاویر PNG به متن ساده به طور جهانی در سیستمعاملهای مدرن و زمانهای اجرای وب پشتیبانی میشود. محیطهای دسکتاپ مانند ویندوز، macOS و لینوکس هر دو فرمت را به طور بومی از طریق ابزارهای ترمینال یا ویرایشگرهای متن گرافیکی مدیریت میکنند. پلتفرمهای موبایل در iOS و Android دارای قابلیتهای داخلی OCR سیستم هستند که فوراً متن را از ضبطهای دوربین PNG بیرون میکشند. مرورگرهای وب مدرن کتابخانههای OCR جاوا اسکریپت سمت کاربر را اجرا میکنند و به کاربران اجازه میدهند متن را مستقیماً از تصاویر داخل کروم، فایرفاکس، سافاری و اج بدون نصب نرمافزار دسکتاپ استخراج کنند.
💡 اطلاعات مفید
برای بالاترین دقت در هنگام استخراج متن، اطمینان حاصل کنید که سند PNG منبع شما دارای کنتراست بالا، لبههای تیز و وضوح حداقل ۳۰۰ DPI است تا به الگوریتم تشخیص نوری کاراکتر کمک کند حروف مشابه را از یکدیگر تشخیص دهد.
مقایسه فرمتها و مشخصات فنی
یک سند متنی تمام صفحه معمولی که به عنوان یک تصویر PNG با وضوح بالا ذخیره شده است، حدود ۲ مگابایت فضا میگیرد. از طریق یک شبکه موبایل 4G با سرعت دانلود ۱۵ مگابیت بر ثانیه، این فایل در حدود ۱.۱ ثانیه منتقل میشود. در اتصال 5G با سرعت ۱۰۰ مگابیت بر ثانیه، انتقال حدود 0.16 ثانیه طول میکشد و در اتصال فیبر با سرعت ۵۰۰ مگابیت بر ثانیه، در کسری از میلیثانیه به پایان میرسد. پس از تبدیل به یک فایل متن استخراجشده، اندازه حاصل به طور چشمگیری به فقط ۵ کیلوبایت کاهش مییابد و انتقالهای شبکه بعدی را آنی میکند.
پرسشهای متداول
چگونه سند PNG را بدون از دست دادن کیفیت به متن استخراجشده تبدیل کنیم؟
از آنجا که PNG از فشردهسازی بدون اتلاف استفاده میکند، دادههای پیکسلی به طور عالی حفظ میشوند. کیفیت متن نهایی کاملاً به دقت موتور OCR در خواندن تصویر بستگی دارد. استفاده از اسکنهای منبع با وضوح بالا از خطاهای تشخیص کاراکتر جلوگیری میکند.
تفاوت بین سند PNG و متن استخراجشده چیست؟
سند PNG یک فرمت تصویر پیکسلی است که تصاویر بصری متن را با استفاده از پیکسلهای فشردهشده و کانالهای رنگی ذخیره میکند. متن استخراجشده یک سند متن ساده سبکوزن است که فقط حاوی رمزگذاریهای کاراکتری استاندارد بدون هیچگونه سبک بصری، فونت یا تصویری است.