JPG-naar-TXT-converter
Het converteren van een gescande afbeelding naar geëxtraheerde tekst vertaalt beeldpixels naar bewerkbare tekens, zodat u woorden eenvoudig kunt zoeken, bewerken en opslaan.
Formaatvergelijking en technische specificaties
| Specificatie | JPG | TXT |
|---|---|---|
| MIME-type | image/ | text/ |
| Type | raster | platte tekst |
| Compressie | met verlies (discrete cosinustransformatie / DCT) | geen |
| Standaardspecificatie | ISO/IEC 10918-1 / ITU-T T.81 | Unicode Standard / UTF-8 RFC 3629 |
| Bestandshandtekening (magic bytes) | FF D8 FF | UTF-8 / ASCII plain stream |
Formaatoverzicht en toepassingen
Het converteren van foto's van documenten naar platte tekstbestanden is een veelvoorkomende taak voor kantoren, scholen en archieven. Wanneer u een foto maakt van een papieren bon of een oude boekpagina scant, is het resultaat een statische bitmapafbeelding. Deze afbeelding kan niet worden bewerkt met een standaardtekstverwerker en de woorden kunnen niet worden doorzocht. Optische tekenherkenning zet die visuele vormen om in machineleesbare tekenreeksen. Na extractie wordt de inhoud opgeslagen als een eenvoudig tekstbestand. Dit plattetekstformaat neemt zeer weinig opslagruimte in beslag en kan op vrijwel elk apparaat worden geopend. Archivarissen gebruiken dit proces om historische documenten te digitaliseren, zodat ze op trefwoord doorzoekbaar zijn. Kantoormedewerkers gebruiken het om gegevens uit papieren facturen te halen zonder alles met de hand te typen.
Technische specificaties en codec-overzicht
Een standaard gescande JPEG-afbeelding gebruikt het MIME-type image/jpeg, dat compressie met verlies op basis van de discrete cosinustransformatie gebruikt om ruimte te besparen. Het bestand begint met de bestandshandtekening (magic bytes) FF D8 FF. Tijdens de conversie scant software voor optische tekenherkenning het pixelraster om lettervormen te herkennen op basis van geometrie en contrast. Het uitvoerbestand gebruikt het MIME-type text/plain zonder compressie. Het bevat standaard ASCII- of UTF-8-tekencoderingen zonder containeroverhead, waardoor het resulterende bestand klein en breed leesbaar is.
Besturingssysteem- en browserondersteuning
Geëxtraheerde TXT-bestanden werken op veel besturingssystemen, waaronder Windows, macOS, Linux, iOS en Android. Moderne webbrowsers kunnen tekstbestanden rechtstreeks lezen en weergeven. Voor gescande JPEG-afbeeldingen zijn afbeeldingsviewers of gespecialiseerde documenteditors nodig, maar voor de uiteindelijke tekstuitvoer volstaat een eenvoudige teksteditor zoals Kladblok of TextEdit.
Handige informatie
Zorg ervoor dat uw gescande afbeelding een hoog contrast en goede verlichting heeft voordat u tekstextractie uitvoert om spelfouten en ontbrekende tekens te verminderen.
Veelgestelde vragen
Hoe converteert u een gescande afbeelding naar geëxtraheerde tekst zonder kwaliteitsverlies?
Tekstextractie behoudt de visuele kwaliteit van het originele bestand niet. In plaats daarvan vertaalt het de pixelgegevens naar leesbare tekens. Om de tekstnauwkeurigheid hoog te houden, begint u met een heldere scan met hoge resolutie, zodat de tekenherkenningssoftware letters gemakkelijk uit elkaar kan houden.
Wat is het verschil tussen een gescande afbeelding en geëxtraheerde tekst?
Een gescande afbeelding is een visueel raster van gekleurde pixels dat is opgeslagen in een gecomprimeerd formaat zoals JPEG. Geëxtraheerde tekst is een verzameling gecodeerde alfanumerieke tekens die zijn opgeslagen in een plattetekstbestand zonder afbeeldingen, lettertypes of opmaakstijlen.