PNG konvertálása TXT formátumba
A raszteres PNG-dokumentumok egyszerű szöveggé alakítása optikai karakterfelismeréssel a statikus képpontokat szerkeszthető szavakká alakítja.
Formátum-összehasonlítás és műszaki specifikációk
| Specifikáció | PNG | TXT |
|---|---|---|
| MIME-típus | image/ | text/ |
| Típus | raszter | egyszerű szöveg |
| Tömörítés | veszteségmentes (DEFLATE / LZ77 + Huffman) | nincs |
| Szabványos specifikáció | W3C PNG 3. kiadás | Unicode szabvány / UTF-8 RFC 3629 |
| Fájlfejléc azonosító bájtjai | 89 50 4E 47 0D 0A 1A 0A | UTF-8 / ASCII plain stream |
A formátum áttekintése és alkalmazási területei
A beolvasott papíralapú dokumentumok vagy nyugtáról készült fényképek általában raszteres képfájlok, például Portable Network Graphics formátumúak. Bár a PNG képek megőrzik a szövegek és ábrák minden vizuális részletét, a bennük lévő szavakat nem lehet kijelölni, keresni vagy szerkeszteni. A PNG dokumentum egyszerű szöveges fájlokká alakítása kinyeri a leírt karaktereket, így azok módosíthatók az alapvető szövegszerkesztőkben és adatbázisokban. Ez a munkafolyamat elengedhetetlen a papírarchívumok digitalizálásához, a számlák feldolgozásához és a beolvasott feljegyzések betáplálásához a modern szövegkereső rendszerekbe. A szoftvermérnökök és irodai dolgozók erre az átalakítási lépésre támaszkodnak az adatbevitel automatizálásához. A nyomtatott nyugták vagy történelmi levelek oldalainak gépelése helyett az OCR motorok leképezik a képrácsot, felismerik a betűformákat, és tiszta karakteradatokat adnak ki. Az így kapott sima szöveges fájl eltávolít minden vizuális stílust, betűtípust és színt, és csak a nyers alfanumerikus karaktereket hagyja meg tárolásra vagy szkriptfeldolgozásra készen.
Műszaki specifikációk és kodekáttekintés
A dokumentum PNG fájl (image/png MIME-típus) veszteségmentes DEFLATE tömörítést használó raszteres elrendezést alkalmaz, amely egyesíti az LZ77 csúszó szótárakat és a Huffman-kódolást. Az 8 bájtos magic number aláírással kezdődik: 89 50 4E 47 0D 0A 1A 0A. A tárolón belül a képpixeladatok olyan részekbe vannak rendezve, mint az IHDR és IDAT. Ezzel szemben a kinyert szövegfájl (text/plain MIME-típus) stílus nélküli, tömörítetlen karakterláncokat tartalmaz, szabványos kódolásokra, például UTF-8-ra vagy ASCII-ra támaszkodik, bináris magic bytes nélkül. A konvertáláshoz az OCR motornak kell elemeznie a PNG képrácsot, észlelnie a szöveghatárokat, és leképeznie a glifeket a szöveges karakterkódokhoz.
Operációs rendszer- és böngésző-kompatibilitás
A PNG képek egyszerű szöveggé történő konvertálása univerzálisan támogatott a modern operációs rendszerekben és webes futtatókörnyezetekben. Az olyan asztali környezetek, mint a Windows, a macOS és a Linux, termináleszközökkel vagy grafikus szövegszerkesztőkkel natívan kezelik mindkét formátumot. Az iOS és Android mobileszközök beépített rendszer-OCR-képességekkel rendelkeznek, amelyek azonnal kinyerik a szöveget a PNG kamerás felvételekből. A modern webböngészők kliensoldali JavaScript OCR könyvtárakat futtatnak, így a felhasználók közvetlenül a Chrome, Firefox, Safari és Edge böngészőkben nyerhetnek ki szöveget a képekből anélkül, hogy asztali szoftvert kellene telepíteniük. A támogatás az alkalmazástól, az eszköztől, az operációs rendszertől és annak verziójától is függ.
Hasznos információk
A szövegkinyerés során elért legnagyobb pontosság érdekében győződjön meg arról, hogy a forrás PNG dokumentum nagy kontraszttal, éles szélekkel és legalább 300 DPI felbontással rendelkezik, ami segít az optikai karakterfelismerő algoritmusnak megkülönböztetni a hasonló betűket.
Gyakran ismételt kérdések
Hogyan konvertálható a dokumentum PNG kinyert szöveggé minőségromlás nélkül?
Mivel a PNG veszteségmentes tömörítést használ, a képpixelek adatai tökéletesen megmaradnak. A végső szöveg minősége kizárólag az OCR motor képfelismerési pontosságától függ. A nagy felbontású forrásbeolvasások használata segít csökkenteni a karakterfelismerési hibákat.
Mi a különbség a dokumentum PNG és a kinyert szöveg között?
A dokumentum PNG egy raszteres képformátum, amely a szöveg vizuális képeit tömörített pixelek és színes csatornák segítségével tárolja. A kinyert szöveg egy könnyű, sima szöveges dokumentum, amely csak szabványos karakterkódolásokat tartalmaz, vizuális stílusok, betűtípusok vagy képek nélkül.