Konwertuj TIF na CSV

Arkusz kalkulacyjny, aplikacja statystyczna, procedura GIS lub skrypt może wymagać pomiarów obrazu w postaci wierszy i kolumn zamiast obrazu TIFF. Zeskanowana tabela wymaga OCR i ekstrakcji tabeli; pomiar rastrowy wymaga eksportu wartości pikseli.

Czym jest format TIF

TIF, zapisywany również jako TIFF, to oznaczony format obrazu rastrowego, który przechowuje próbki pikseli, ustawienia kompresji, informacje o kolorach i opcjonalne metadane. Jest powszechnie używany przez skanery, systemy GIS i teledetekcyjne, aplikacje DTP, mikroskopy cyfrowe, Adobe Photoshop, GIMP oraz ImageJ.

TIFF może zawierać próbki w skali szarości, RGB, RGBA, oparte na palecie oraz próbki o dużej głębi bitowej. Wielostronicowy TIFF przechowuje kilka stron obrazu, natomiast GeoTIFF dodaje znaczniki układu współrzędnych i georeferencji. TIFF jest używany do skanów, produkcji poligraficznej, archiwizacji, obrazowania naukowego i pomiarów, w przypadku których kompresja w stylu JPEG może być nieodpowiednia.

Czym jest format CSV

CSV to tabela w postaci zwykłego tekstu, której pola są oddzielone przecinkami lub, zależnie od aplikacji, średnikami albo tabulatorami. Programy arkuszy kalkulacyjnych, bazy danych, oprogramowanie statystyczne, narzędzia GIS i języki programowania mogą odczytywać ten format bez biblioteki TIFF.

W przypadku eksportu rastra jeden wiersz CSV zwykle odpowiada jednemu wierszowi obrazu, a każde pole reprezentuje jedną próbkę piksela. Obraz w skali szarości generuje jedną wartość na piksel; obraz RGB może generować trzy kolejne wartości na piksel w kolejności czerwony, zielony, niebieski. CSV jest przydatny do analizy numerycznej, tworzenia wykresów, filtrowania i importowania pomiarów do Excel lub LibreOffice Calc, ale nie jest formatem obrazu.

Konwertowanie wartości pikseli za pomocą Python

Python z Pillow i NumPy zapewnia najlepszą kontrolę nad wartościami próbek, kolejnością kanałów, stronami i rozmiarem danych wyjściowych. Jest bardziej odpowiedni niż arkusz kalkulacyjny w przypadku dużych rastrów lub rastrów o dużej głębi bitowej.

1. Zainstaluj Python i pakiety za pomocą python -m pip install pillow numpy.
2. Zapisz to jako tif_to_csv.py:

from pathlib import Path
import csv
import sys
import numpy as np
from PIL import Image

source = Path(sys.argv[1])
target = source.with_suffix(".csv")

with Image.open(source) as image:
    if getattr(image, "n_frames", 1) != 1:
        raise ValueError("This script expects a single-page TIFF")
    pixels = np.asarray(image)

if pixels.ndim == 2:
    rows = pixels
elif pixels.ndim == 3:
    rows = pixels.reshape(pixels.shape[0], pixels.shape[1] * pixels.shape[2])
else:
    raise ValueError("Unsupported TIFF pixel layout")

with target.open("w", newline="", encoding="utf-8") as file:
    csv.writer(file).writerows(rows.tolist())

print(f"Wrote {target}")

3. Uruchom python tif_to_csv.py input.tif. Skrypt utworzy plik input.csv z jednym wierszem wyjściowym dla każdego wiersza obrazu i bez nagłówka.

W przypadku danych RGB lub RGBA dane wyjściowe umieszczają próbki kanałów kolejno dla każdego piksela: R, G, B i opcjonalnie A. TIFF oparty na palecie może być przedstawiany przez Pillow jako indeksy palety, a nie wyświetlane wartości RGB; jeśli wymagane są kolory palety, a nie zapisane indeksy, najpierw jawnie przekonwertuj go do RGB. Skrypt ładuje cały raster do pamięci, dlatego bardzo duże pliki powinny być przetwarzane w oknach za pomocą biblioteki rastrowej albo eksportowane z użyciem R, MATLAB lub procedury bazodanowej.

W przypadku wielostronicowego TIFF iteruj za pomocą image.seek(page_number) i zapisuj jeden plik CSV na stronę albo użyj narzędzia do przetwarzania rastrów obsługującego wybór stron. Fiji, dystrybucja ImageJ, jest przydatne do przeglądania TIFF, konwertowania jego typu za pomocą Image → Type, przycinania i mierzenia wybranych regionów, ale Python lepiej nadaje się do powtarzalnego eksportu macierzy całego obrazu. Polecenie ImageMagick magick input.tif txt:- zwraca współrzędne i informacje o pikselach; zanim dane staną się prostokątnym CSV, wymagają przetworzenia.

Ekstrakcja zeskanowanej tabeli za pomocą OCR

Skan zawierający tekst lub tabelę nie zawiera użytecznych komórek arkusza kalkulacyjnego. OCR musi rozpoznać znaki oraz określić wiersze i kolumny, dlatego eksport każdego piksela nie dostarczyłby wymaganych danych.

W lokalnej procedurze Tesseract może generować dane OCR zawierające pozycje za pomocą tesseract input.tif output tsv. Rekordy TSV zawierają rozpoznane słowa, wartości pewności i prostokąty ograniczające; użyj Python lub LibreOffice, aby pogrupować słowa w kolumny, poprawić błędy i zapisać wynik jako CSV. ABBYY FineReader PDF to bardziej zaawansowana opcja desktopowa do rozpoznawania tabel i eksportu arkuszy kalkulacyjnych. ABBYY FineReader PDF Online to internetowa alternatywa dla niepoufnych skanów; jeśli jest dostępny eksport do XLSX, wyeksportuj plik, a następnie otwórz skoroszyt i zapisz wymaganą arkusz jako CSV.

Usługi internetowe, takie jak CloudConvert lub Convertio, mogą obsługiwać niektóre konwersje TIFF, ale ogólna usługa TIFF-do-CSV nie jest w stanie określić, czy CSV powinien zawierać piksele, tekst OCR czy komórki tabeli. Korzystaj z usługi internetowej tylko wtedy, gdy jej udokumentowane dane wyjściowe odpowiadają wymaganej strukturze, i nie przesyłaj poufnych skanów. Po wykonaniu OCR ręcznie sprawdź scalone komórki, linie tabeli, przekrzywienie, niski kontrast oraz znaki takie jak 0/O.

Ograniczenia jakości i zgodności

• CSV zawierający piksele jest zwykle znacznie większy niż skompresowany TIFF i pomija kompresję TIFF, profile kolorów, znaczniki, strukturę stron oraz georeferencję GeoTIFF, chyba że te informacje zostaną zapisane oddzielnie.
• Konwersja RGB do skali szarości zmienia dane. Zachowaj oddzielne kanały, gdy kolor zawiera informacje pomiarowe.
• Próbki TIFF mogą być skalibrowanymi pomiarami, a nie jasnością wyświetlanego obrazu. Eksporty naukowe i teledetekcyjne powinny zachowywać typ próbek oraz osobno rejestrować skalę, przesunięcie, nodata, jednostki i metadane geoprzestrzenne.
• CSV nie ma uniwersalnego separatora, systemu typów danych, konwencji kanałów ani kontenera metadanych. Udokumentuj kodowanie, separator, separator dziesiętny, szerokość i wysokość obrazu, kolejność kanałów, sposób reprezentacji nodata oraz informację o obecności nagłówków.
• Excel i podobne aplikacje arkuszy kalkulacyjnych nakładają ograniczenia dotyczące liczby wierszy, kolumn i praktycznego rozmiaru pliku. Duże rastry powinny pozostać w procedurze przetwarzania numerycznego lub geoprzestrzennego, zamiast być otwierane bezpośrednio w arkuszu kalkulacyjnym.