Convertor JPG în TXT
Conversia unei imagini scanate în text extras transpune pixelii imaginii în caractere editabile, astfel încât să poți căuta, edita și stoca cu ușurință cuvintele.
Compararea formatelor și specificații tehnice
| Specificație | JPG | TXT |
|---|---|---|
| Tip MIME | image/ | text/ |
| Tip | raster | text simplu |
| Compresie | cu pierderi (transformata cosinus discretă / DCT) | niciuna |
| Specificație standard | ISO/IEC 10918-1 / ITU-T T.81 | Unicode Standard / UTF-8 RFC 3629 |
| Antet Magic Bytes | FF D8 FF | UTF-8 / ASCII plain stream |
Prezentare generală a formatului și aplicații
Transformarea fotografiilor documentelor în fișiere text simplu este o activitate obișnuită în birouri, școli și arhive. Când fotografiezi o chitanță pe hârtie sau scanezi o pagină veche de carte, obții o imagine bitmap statică. Aceasta nu poate fi editată într-un procesor de text obișnuit, iar textul din ea nu poate fi căutat. Recunoașterea optică a caracterelor transformă formele vizuale în șiruri de caractere care pot fi citite de computer. După extragere, conținutul este salvat într-un fișier text simplu. Acest format ocupă foarte puțin spațiu și poate fi deschis pe aproape orice dispozitiv. Arhiviștii digitalizează astfel documente istorice pentru a le putea căuta după cuvinte-cheie. Angajații de birou folosesc procedeul pentru a extrage date din facturile pe hârtie fără să le transcrie manual.
Specificații tehnice și detalii despre codecuri
O imagine JPEG scanată standard folosește tipul MIME image/jpeg și compresie cu pierderi prin transformata cosinus discretă, pentru a economisi spațiu. Fișierul începe cu semnătura magică FF D8 FF. În timpul conversiei, un motor OCR analizează grila de pixeli pentru a identifica formele literelor pe baza geometriei și a contrastului. Fișierul text rezultat folosește tipul MIME text/plain și nu este comprimat. Acesta conține caractere ASCII sau UTF-8 standard, fără date suplimentare de container, ceea ce îl face compact și ușor de citit în multe programe.
Compatibilitate SO și browser
Fișierele TXT extrase funcționează pe multe sisteme de operare, inclusiv Windows, macOS, Linux, iOS și Android. Browserele web moderne pot citi și afișa direct fișiere text. Imaginile JPEG scanate necesită vizualizatoare de imagini sau editoare de documente specializate, însă pentru textul final este suficient un editor de text simplu, precum Notepad sau TextEdit.
Informații utile
Asigură-te că imaginea scanată are contrast ridicat și iluminare adecvată înainte de extragerea textului, pentru a reduce erorile de ortografie și caracterele lipsă.
Întrebări frecvente
Cum se convertește o imagine scanată în text extras fără a pierde calitatea?
Extragerea textului nu păstrează aspectul vizual al imaginii originale, ci transformă datele pixelilor în caractere lizibile. Pentru o recunoaștere corectă a textului, începe cu o scanare clară, de înaltă rezoluție, astfel încât motorul OCR să poată distinge cu ușurință literele.
Care este diferența dintre o imagine scanată și textul extras?
O imagine scanată este o grilă vizuală de pixeli colorați stocați într-un format comprimat precum JPEG. Textul extras reprezintă o colecție de caractere alfanumerice codificate, stocate într-un fișier text simplu, fără imagini, fonturi sau stiluri de machetare.