Muunna JPG muotoon Word
Rasterimuotoisen JPG-dokumenttikuvan muuntaminen Word-asiakirjaksi muuttaa litteät kuvapikselit muokattaviksi tekstikappaleiksi optisen merkkien tunnistuksen avulla.
Muotojen vertailu ja tekniset tiedot
| Määritys | JPG | DOCX |
|---|---|---|
| MIME-tyyppi | image/ | application/ |
| Tyyppi | rasteri | paketoitu XML-asiakirja |
| Pakkaus | häviöllinen (diskreetti kosinimuunnos / DCT) | ZIP (DEFLATE) |
| Standardimääritys | ISO/IEC 10918-1 / ITU-T T.81 | ISO/IEC 29500 / ECMA-376 |
| Tiedostotunniste (Magic Bytes) | FF D8 FF | 50 4B 03 04 (PK..) |
Muodon yleiskatsaus ja käyttökohteet
Paperikuitit, oppikirjan sivut ja allekirjoitetut sopimukset kuvataan usein älypuhelimen kameralla. Kuvat tallentuvat JPG-asiakirjakuvina, jotka ovat yksinkertaisesti kirjaimia sisältäviä kuvia. Kuvassa olevia sanoja ei voi korostaa, poistaa tai kirjoittaa uudelleen. Kun JPG muunnetaan Word-asiakirjaksi, optinen tekstintunnistusohjelmisto analysoi kuvan muodot, tunnistaa tekstimerkit ja luo niistä muokattavan tekstinkäsittelytiedoston. Tämä on tavallinen työnkulku toimistoissa, kouluissa ja lakiarkistoissa. Skannatun kirjan sivuja ei tarvitse kirjoittaa käsin, vaan käyttäjä voi muuntaa ne eräajona. Tuloksena syntyvä tiedosto sisältää tunnistetun tekstin tavallisina kappaleina, joten työntekijät voivat korjata kirjoitusvirheitä ja lisätä otsikoita ja muotoiluja tavallisilla tekstinkäsittelytyökaluilla. Näin säästyy tuntikausia manuaalista tietojen syöttämistä, ja digitaalisista asiakirja-arkistoista tulee haettavia.
Tekniset tiedot ja koodekkien erittely
JPG-asiakirjakuvissa käytetään MIME-tyyppiä image/jpeg ja häviöllistä diskreettiin kosinimuunnokseen perustuvaa pakkausta. Muunnoksessa käytetään selaimessa toimivaa Tesseract WebAssembly -optista tekstintunnistusmoottoria ja sen englannin kielen mallia. Moottori lukee JPG-kuvan pikselimatriisin, muuntaa merkkien muodot tavallisiksi Unicode-tekstijonoiksi ja kirjoittaa tunnistetut rivit tavallisina kappaleina muokattavaan OpenXML Word (.docx) -asiakirjasäiliöön.
Käyttöjärjestelmien ja selaimien yhteensopivuus
Word-asiakirjat avautuvat esimerkiksi Microsoft Wordissa, Google Docsissa, LibreOffice Writerissa ja Apple Pagesissa. JPG-kuvia voi katsella monissa selaimissa, kuvankatseluohjelmissa ja mobiilikäyttöjärjestelmissä. Tämä työkalu muuntaa kuvan selaimessa WebAssembly-pohjaisella OCR-kirjastolla, joten kuvaa ei ladata palvelimelle.
Hyödyllistä tietoa
Parhaiden tulosten saavuttamiseksi varmista ennen tekstintunnistuksen suorittamista, että lähde-JPG-tiedostossasi on korkea kontrasti, kirkas valaistus ja mahdollisimman vähän vinoutta.
Usein kysytyt kysymykset
Miten dokumentin JPG-tiedosto muunnetaan Word-asiakirjaksi laatua menettämättä?
Koska JPG käyttää häviöllistä pakkausta, alkuperäinen valokuva ei sisällä varsinaista tekstidataa. Muunnoksessa teksti luodaan uudelleen optisen tekstintunnistuksen avulla. Alkuperäinen asettelu, fontit ja taulukot eivät säily, mutta tuloksena saatu teksti on täysin muokattavaa ja selkeää.
Mitä eroa on dokumentin JPG-tiedoston ja Word-asiakirjan välillä?
Dokumentin JPG on litteä rasterikuva, joka koostuu värillisistä pikseleistä häviöllisen diskreetin kosinimuunnoksen alaisena. Word-asiakirja on pakattu ZIP-arkisto, joka sisältää jäsenneltyjä XML-tekstivirtoja, tyylejä ja asetteluohjeita.