Converti TIF in CSV

Un foglio di calcolo, un'applicazione statistica, un workflow GIS o uno script può richiedere le misurazioni dell'immagine come righe e colonne invece che come immagine TIFF. Una tabella acquisita tramite scansione richiede OCR ed estrazione della tabella; una misurazione raster richiede un'esportazione dei valori dei pixel.

Cos'è il formato TIF

TIF, scritto anche TIFF, è un formato di immagine raster con tag che memorizza campioni di pixel, impostazioni di compressione, informazioni sul colore e metadati facoltativi. Scanner, sistemi GIS e di telerilevamento, applicazioni di desktop publishing, microscopi digitali, Adobe Photoshop, GIMP e ImageJ lo utilizzano comunemente.

TIFF può contenere campioni in scala di grigi, RGB, RGBA, basati su palette e con profondità in bit elevata. Un TIFF multipagina memorizza diverse pagine di immagini, mentre GeoTIFF aggiunge tag relativi al sistema di coordinate e alla georeferenziazione. TIFF viene utilizzato per scansioni, produzione per la stampa, archiviazione, imaging scientifico e misurazioni per le quali la compressione in stile JPEG potrebbe non essere adatta.

Cos'è il formato CSV

CSV è una tabella in testo semplice i cui campi sono separati da virgole o, a seconda dell'applicazione, da punti e virgola o tabulazioni. I programmi per fogli di calcolo, i database, i software statistici, gli strumenti GIS e i linguaggi di programmazione possono leggerlo senza una libreria TIFF.

Per un'esportazione raster, ogni riga CSV rappresenta normalmente una riga dell'immagine e ogni campo rappresenta un campione di pixel. Un'immagine in scala di grigi produce un valore per pixel; un'immagine RGB può produrre tre valori consecutivi per pixel, nell'ordine rosso, verde, blu. CSV è utile per l'analisi numerica, la creazione di grafici, il filtraggio e l'importazione delle misurazioni in Excel o LibreOffice Calc, ma non è un formato immagine.

Convertire i valori dei pixel con Python

Python con Pillow e NumPy offre il controllo più chiaro sui valori dei campioni, sull'ordine dei canali, sulle pagine e sulle dimensioni dell'output. È più adatto di un foglio di calcolo per raster di grandi dimensioni o con profondità in bit elevata.

1. Installare Python e i pacchetti con python -m pip install pillow numpy.
2. Salvare il file come 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. Eseguire python tif_to_csv.py input.tif. Lo script crea input.csv con una riga di output per ogni riga dell'immagine e senza intestazione.

Per i dati RGB o RGBA, l'output inserisce i campioni dei canali consecutivamente per ogni pixel: R, G, B e, facoltativamente, A. Un TIFF basato su palette può essere esposto da Pillow come indici della palette invece che come valori RGB visualizzati; convertirlo esplicitamente in RGB prima dell'elaborazione se sono richiesti i colori della palette, anziché gli indici memorizzati. Lo script carica l'intero raster in memoria, quindi i file molto grandi dovrebbero essere elaborati in finestre con una libreria raster o esportati con R, MATLAB o un workflow basato su database.

Per un TIFF multipagina, iterare tramite image.seek(page_number) e scrivere un CSV per pagina, oppure utilizzare uno strumento di elaborazione raster che supporti la selezione delle pagine. Fiji, la distribuzione di ImageJ, è utile per esaminare un TIFF, convertirne il tipo tramite Image → Type, ritagliare e misurare regioni selezionate, ma Python è più adatto per un'esportazione ripetibile della matrice dell'immagine completa. ImageMagick's magick input.tif txt:- restituisce coordinate e informazioni sui pixel; è necessario analizzarle prima che diventino un CSV rettangolare.

Estrarre una tabella acquisita tramite scansione con OCR

Una scansione contenente testo o una tabella non contiene celle di foglio di calcolo utilizzabili. L'OCR deve riconoscere i caratteri e dedurre righe e colonne, quindi l'esportazione di ogni pixel non produrrebbe i dati richiesti.

Per un workflow locale, Tesseract può produrre dati OCR posizionali con tesseract input.tif output tsv. I record TSV includono parole riconosciute, valori di attendibilità e riquadri di delimitazione; utilizzare Python o LibreOffice per raggruppare le parole nelle colonne, correggere gli errori e salvare il risultato come CSV. ABBYY FineReader PDF è un'opzione desktop più potente per il riconoscimento delle tabelle e l'esportazione in un foglio di calcolo. ABBYY FineReader PDF Online è un'alternativa online per scansioni non riservate; esportare in XLSX quando disponibile, quindi aprire la cartella di lavoro e salvare il foglio richiesto come CSV.

Servizi online come CloudConvert o Convertio possono supportare alcune conversioni TIFF, ma un servizio generico da TIFF a CSV non può determinare se il CSV debba contenere pixel, testo OCR o celle di una tabella. Utilizzare un servizio online solo quando il suo output documentato corrisponde a tale struttura e non caricare scansioni riservate. Controllare manualmente le celle unite, le linee della tabella, l'inclinazione, il basso contrasto e caratteri come 0/O dopo l'OCR.

Limiti di qualità e compatibilità

• Un CSV di pixel è solitamente molto più grande del TIFF compresso e scarta la compressione TIFF, i profili colore, i tag, la struttura delle pagine e la georeferenziazione GeoTIFF, a meno che tali dettagli non vengano memorizzati separatamente.
• La conversione da RGB a scala di grigi modifica i dati. Conservare canali separati quando il colore contiene informazioni di misurazione.
• I campioni TIFF possono essere misurazioni calibrate anziché luminosità visualizzata. Le esportazioni scientifiche e di telerilevamento devono conservare il tipo di campione e registrare separatamente scala, offset, nodata, unità e metadati geospaziali.
• CSV non dispone di un delimitatore universale, di un sistema di tipi di dati, di una convenzione universale per i canali o di un contenitore per i metadati. Documentare la codifica, il delimitatore, il separatore decimale, la larghezza e l'altezza dell'immagine, l'ordine dei canali, la rappresentazione di nodata e l'eventuale presenza di intestazioni.
• Excel e applicazioni simili per fogli di calcolo impongono limiti al numero di righe e colonne e alle dimensioni pratiche dei file. I raster di grandi dimensioni dovrebbero rimanere in un workflow di elaborazione numerica o geospaziale invece di essere aperti direttamente in un foglio di calcolo.