Trình chuyển đổi hình ảnh đã quét sang văn bản
Việc chuyển đổi hình ảnh đã quét thành văn bản được trích xuất sẽ chuyển đổi các điểm ảnh thành các ký tự có thể chỉnh sửa để bạn có thể tìm kiếm, chỉnh sửa và lưu trữ từ ngữ một cách dễ dàng.
So sánh định dạng & Thông số kỹ thuật
| Thông số kỹ thuật | IMAGE | TXT |
|---|---|---|
| Kiểu MIME | image/jpeg | text/plain |
| Loại | scanned document bitmap photograph | plain text |
| Nén | lossy DCT / lossless Deflate | none |
| Thông số chuẩn | W3C / ISO JPEG / PNG Standard | Unicode Standard / UTF-8 RFC 3629 |
| Phần đầu Magic Bytes | FF D8 FF (JPEG) or 89 50 4E 47 (PNG) | UTF-8 / ASCII plain stream |
Tổng quan định dạng & Ứng dụng
Chuyển đổi hình ảnh tài liệu thành tệp văn bản thuần túy là một công việc phổ biến đối với các văn phòng, trường học và kho lưu trữ. Khi bạn chụp ảnh hóa đơn giấy hoặc quét một trang sách cũ, kết quả là một hình ảnh bitmap tĩnh. Hình ảnh này không thể chỉnh sửa bằng một trình xử lý văn bản thông chuẩn, và các từ trong đó không thể tìm kiếm được. Quá trình nhận dạng ký tự quang học sẽ biến đổi các hình dạng trực quan đó thành chuỗi có thể đọc bằng máy. Sau khi trích xuất, nội dung được lưu lại dưới dạng tệp văn bản đơn giản. Định dạng văn bản thuần túy này chiếm rất ít dung lượng lưu trữ và mở được trên hầu hết mọi thiết bị. Các nhà lưu trữ sử dụng quy trình này để số hóa hồ sơ lịch sử, giúp chúng có thể tìm kiếm bằng từ khóa. Nhân viên văn phòng sử dụng nó để trích xuất dữ liệu từ hóa đơn giấy mà không cần phải gõ lại mọi thứ bằng tay.
Thông số kỹ thuật & Phân tích codec
Một hình ảnh quét JPEG chuẩn sử dụng loại MIME image/jpeg, dựa vào việc nén biến đổi cosin rời rạc có tổn hao để tiết kiệm không gian. Tệp bắt đầu bằng chữ ký byte ma trận FF D8 FF. Trong quá trình chuyển đổi, một công cụ nhận dạng ký tự quang học sẽ quét lưới điểm ảnh để xác định hình dạng chữ cái dựa trên hình học và độ tương phản. Tệp văn bản đầu ra sử dụng loại MIME text/plain không nén. Nó chứa mã hóa ký tự ASCII hoặc UTF-8 chuẩn mà không có bất kỳ dung lượng phụ trợ vùng chứa nào, giúp tệp kết quả trở nên nhẹ và có thể đọc được phổ biến.
Khả năng tương thích hệ điều hành & trình duyệt
Các tệp TXT được trích xuất hoạt động trên mọi hệ điều hành, bao gồm Windows, macOS, Linux, iOS và Android. Các trình duyệt web hiện đại có thể đọc và hiển thị trực tiếp các tệp văn bản. Hình ảnh JPEG đã quét yêu cầu các trình xem hình ảnh hoặc trình chỉnh sửa tài liệu chuyên dụng, nhưng đầu ra văn bản cuối cùng chỉ cần một trình soạn thảo văn bản cơ bản như Notepad hoặc TextEdit.
💡 Thông tin hữu ích
Đảm bảo hình ảnh đã quét của bạn có độ tương phản cao và ánh sáng thích hợp trước khi tiến hành trích xuất văn bản để giảm lỗi chính tả và các ký tự bị thiếu.
So sánh định dạng & Thông số kỹ thuật
Một tệp JPEG đã quét điển hình có kích thước khoảng 2 MB, trong khi tệp TXT được trích xuất kết quả giảm xuống chỉ còn 5 KB. Trên mạng di động 4G tiêu chuẩn truyền tải ở tốc độ 15 megabit mỗi giây, hình ảnh gốc mất khoảng một giây để tải xuống, trong khi tệp văn bản nhỏ gọn tải xuống ngay lập tức trong chưa đầy một mili giây.
Câu hỏi thường gặp
Làm thế nào để chuyển đổi hình ảnh đã quét sang văn bản được trích xuất mà không làm mất chất lượng?
Việc trích xuất văn bản không giữ lại chất lượng trực quan của hình ảnh gốc. Thay vào đó, nó chuyển đổi dữ liệu điểm ảnh thành các ký tự có thể đọc được. Để giữ độ chính xác của văn bản ở mức cao, hãy bắt đầu bằng một bản quét có độ phân giải cao và rõ nét để công cụ nhận dạng ký tự có thể dễ dàng phân biệt các chữ cái.
Sự khác biệt giữa hình ảnh đã quét và văn bản được trích xuất là gì?
Hình ảnh đã quét là một lưới hình ảnh trực quan gồm các điểm ảnh màu được lưu trữ ở định dạng nén như JPEG. Văn bản được trích xuất là tập hợp các ký tự chữ và số được mã hóa được lưu trữ trong một tệp văn bản thuần túy không có hình ảnh, phông chữ hoặc kiểu định dạng bố cục.