Dokumento PNG į išgauto teksto keitiklis
Konvertuojant rastrinio vaizdo dokumentą PNG į paprastą tekstą, statiški paveikslėlio pikseliai paverčiami redaguojamais žodžiais naudojant optinį simbolių atpažinimą.
Formatų palyginimas ir techninės specifikacijos
| Specifikacija | PNG | TXT |
|---|---|---|
| MIME tipas | image/png | text/plain |
| Tipas | raster | plain text |
| Glaudinimas | lossless (DEFLATE / LZ77 + Huffman) | none |
| Standartinė specifikacija | W3C PNG 3rd Edition | Unicode Standard / UTF-8 RFC 3629 |
| Maginės baitų antraštės (Magic Bytes) | 89 50 4E 47 0D 0A 1A 0A | UTF-8 / ASCII plain stream |
Formato apžvalga ir taikymas
Darbas su nuskenuotais popieriniais dokumentais ar kvitų nuotraukomis dažniausiai reiškia rastrinių vaizdo failų, tokių kaip „Portable Network Graphics", tvarkymą. Nors PNG vaizdai išsaugo kiekvieną vaizdinę teksto ir diagramų detalę, juose esančių žodžių negalima pažymėti, ieškoti ar redaguoti. PNG dokumento transformavimas į paprasto teksto failą išskiria parašytus simbolius, kad juos būtų galima keisti naudojant pagrindines teksto rengykles ir duomenų bazes. Šis darbo eigos procesas yra esminis skaitmeninant popierinius archyvus, apdorojant sąskaitas faktūras ir perkeliant nuskenuotus atmintinės tekstus į šiuolaikines teksto paieškos sistemas. Programinės įrangos inžinieriai ir biuro darbuotojai remiasi šiuo vertimo žingsniu duomenų įvedimui automatizuoti. Vietoj spausdintų kvitų ar istorinių laiškų puslapių spausdinimo, optinio simbolių atpažinimo (OCR) varikliai nuskenuoja vaizdo tinklelį, atpažįsta raidžių formas ir pateikia švarius simbolių duomenis. Gautas paprasto teksto failas pašalina visą vizualų stilių, šriftus ir spalvas, palikdamas tik neapdorotus raidinius ir skaitmeninius simbolius, paruoštus saugojimui ar scenarijaus apdorojimui.
Techninės specifikacijos ir kodekų apžvalga
Dokumento PNG failas (MIME tipas image/png) naudoja rastrinį išdėstymą su glaudinimu be nuostolių (DEFLATE), sujungiantį LZ77 slankiuosius žodynus ir Hofmano kodavimą. Jis prasideda 8 baitų magiškojo skaičiaus parašu: 89 50 4E 47 0D 0A 1A 0A. Talpyklos viduje pikselių duomenys išdėstyti blokais, tokiais kaip IHDR ir IDAT. Priešingai, išgauto teksto failas (MIME tipas text/plain) turi nesuspaustas simbolių eilutes be jokio stiliaus, remdamasis standartinėmis koduotėmis, tokiomis kaip UTF-8 arba ASCII, be jokių dvejetainių magiškųjų baitų. Konvertavimui tarp jų reikia, kad OCR variklis išanalizuotų PNG pikselių tinklelį, aptiktų teksto ribas ir susietų glifus su teksto simbolių kodais.
OS ir naršyklės suderinamumas
PNG vaizdų konvertavimas į paprastą tekstą yra visuotinai palaikomas šiuolinėse operacinėse sistemose ir žiniatinklio vykdymo aplinkose. Darbalaukio aplinkos, tokios kaip „Windows", „macOS" ir „Linux", palaiko abu formatus tiesiogiai naudodamos terminalo įrankius arba grafines teksto rengykles. Mobiliojo ryšio platformos „iOS" ir „Android" turi integruotas sistemos OCR galimybes, kurios akimirksniu ištraukia tekstą iš PNG kameros kadrų. Šiuolaikiniai interneto naršyklės vykdo kliento pusėje veikiančias „JavaScript" OCR bibliotekas, leidžiančias vartotojams ištraukti tekstą iš vaizdų tiesiogiai „Chrome", „Firefox", „Safari" ir „Edge" naršyklėse neįdiegiant darbalaukio programinės įrangos.
💡 Naudinga informacija
Kad tekstas būtų ištrauktas kuo tiksliau, užtikrinkite, kad jūsų šaltinio PNG dokumentas turėtų didelį kontrastą, aštrius kraštus ir bent 300 DPI skiriamąją gebą, kuri padeda optinio simbolių atpažinimo algoritmui atskirti panašias raides.
Formatų palyginimas ir techninės specifikacijos
Tipinis viso puslapio teksto dokumentas, saugomas kaip didelės raiškos PNG vaizdas, užima apie 2 megabitus. Per 4G mobiliojo ryšio tinklą, atsisiunčiant 15 megabitų per sekundę greičiu, šis failas perkeliamas maždaug per 1,1 sekundės. Naudojant 5G ryšį, kurio greitis siekia 100 megabitų per sekundę, perkėlimas užtrunka apie 0,16 sekundės, o šviesolaidiniu ryšiu (500 megabitų per sekundę) jis baigiamas per sekundės dalį. Pavertus jį išgauto teksto failu, gautas dydis smarkiai sumažėja iki vos 5 kilobaitų, todėl tolesnis tinklo perkėlimas tampa akimirksniu.
Dažnai užduodami klausimai
Kaip konvertuoti dokumento PNG į išgautą tekstą neprarandant kokybės?
Kadangi PNG naudoja glaudinimą be nuostolių, pikselių duomenys išsaugomi tobulai. Galutinio teksto kokybė visiškai priklauso nuo vaizdą skaitančio OCR variklio tikslumo. Didelės raiškos šaltinio nuskenuotų dokumentų naudojimas padeda išvengti simbolių atpažinimo klaidų.
Kuo skiriasi dokumento PNG ir išgautas tekstas?
Dokumento PNG yra rastrinio vaizdo formatas, kuriame teksto vizualiniai paveikslėliai saugomi naudojant suspaustus pikselius ir spalvų kanalus. Išgautas tekstas yra lengvas paprasto teksto dokumentas, kuriame yra tik standartinės simbolių koduotės be jokio vizualinio stiliaus, šriftų ar paveikslėlių.