HEIC Hintergrundentferner
Ziehen und ablegen oder klicken, um auszuwählen
Privat und sicher
Alles passiert in Ihrem Browser. Ihre Dateien berühren niemals unsere Server.
Blitzschnell
Kein Hochladen, kein Warten. Konvertieren Sie, sobald Sie eine Datei ablegen.
Wirklich kostenlos
Kein Konto erforderlich. Keine versteckten Kosten. Keine Tricks bei der Dateigröße.
Hintergrundentfernung trennt ein Motiv von seiner Umgebung, sodass Sie es auf Transparenz platzieren, die Szene austauschen oder es in ein neues Design komponieren können. Unter der Haube schätzen Sie eine Alpha-Matte – eine pro-Pixel-Deckkraft von 0 bis 1 – und dann den Vordergrund mittels Alpha-Compositing über etwas anderem legen. Dies ist die Mathematik von Porter–Duff und die Ursache für typische Fallstricke wie „Ränder“ und gerades vs. vormultipliziertes Alpha. Praktische Anleitungen zur Vormultiplikation und linearen Farbe finden Sie in Microsofts Win2D-Notizen, Søren Sandmann und Lomonts Beitrag zum linearen Blending.
Die wichtigsten Methoden zur Hintergrundentfernung
1) Chroma-Keying („Green/Blue Screen“)
Wenn Sie die Aufnahme steuern können, malen Sie den Hintergrund in einer Volltonfarbe (oft grün) und keyen Sie diesen Farbton aus. Es ist schnell, in Film und Fernsehen bewährt und ideal für Videos. Die Kompromisse sind Beleuchtung und Garderobe: farbiges Licht schwappt auf die Ränder (besonders Haare), daher verwenden Sie Despill-Werkzeuge, um die Kontamination zu neutralisieren. Gute Einführungen umfassen Nukes Dokumentation, Mixing Light und eine praktische Fusion-Demo.
2) Interaktive Segmentierung (klassisches CV)
Bei Einzelbildern mit unordentlichen Hintergründen benötigen interaktive Algorithmen einige Benutzerhinweise – z. B. ein lockeres Rechteck oder Kritzeleien – und erzeugen eine scharfe Maske. Die kanonische Methode ist GrabCut (Buchkapitel), das Farbmodelle für Vordergrund/Hintergrund lernt und Graphenschnitte iterativ verwendet, um sie zu trennen. Ähnliche Ideen finden Sie in GIMPs Vordergrundauswahl basierend auf SIOX (ImageJ-Plugin).
3) Image Matting (feinkörniges Alpha)
Matting löst die fraktionierte Transparenz an feinen Grenzen (Haare, Fell, Rauch, Glas). Klassisches Closed-Form-Matting nimmt eine Trimap (eindeutig-Vordergrund/eindeutig-Hintergrund/unbekannt) und löst ein lineares System für Alpha mit starker Kantentreue. Modernes Deep Image Matting trainiert neuronale Netze auf dem Adobe Composition-1K-Datensatz (MMEditing-Dokumentation) und wird mit Metriken wie SAD, MSE, Gradient und Konnektivität bewertet (Benchmark-Erklärung).
4) Deep-Learning-Ausschnitte (keine Trimap)
- U2-Net (Salient-Object-Detection) ist eine starke allgemeine „Hintergrund entfernen“-Engine (Repo).
- MODNet zielt auf Echtzeit-Porträt-Matting ab (PDF).
- F, B, Alpha (FBA) Matting sagt gemeinsam Vordergrund, Hintergrund und Alpha voraus, um Farbsäume zu reduzieren (Repo).
- Background Matting V2 geht von einer Hintergrundplatte aus und liefert strähnengenaue Mattes in Echtzeit mit bis zu 4K/30fps (Projektseite, Repo).
Verwandte Segmentierungsarbeiten sind ebenfalls nützlich: DeepLabv3+ verfeinert Grenzen mit einem Encoder-Decoder und atrousen Faltungen (PDF); Mask R-CNN liefert instanzspezifische Masken (PDF); und SAM (Segment Anything) ist ein durch Prompts steuerbares Grundlagenmodell, das Zero-Shot-Masken auf unbekannten Bildern erzeugt.
Was beliebte Tools tun
- Photoshop: Die Schnellaktion Hintergrund entfernen führt unter der Haube „Motiv auswählen → Ebenenmaske“ aus (hier bestätigt; Tutorial).
- GIMP: Vordergrundauswahl (SIOX).
- Canva: 1-Klick- Hintergrundentferner für Bilder und kurze Videos.
- remove.bg: Web-App + API zur Automatisierung.
- Apple-Geräte: systemweites „Motiv vom Hintergrund lösen“ in Fotos/Safari/Quick Look (Ausschnitte unter iOS).
Workflow-Tipps für sauberere Ausschnitte
- Intelligent fotografieren. Gute Beleuchtung und starker Motiv-Hintergrund-Kontrast helfen bei jeder Methode. Planen Sie bei Green/Blue Screens Despill (Anleitung).
- Beginnen Sie mit einer breiten Auswahl und verfeinern Sie dann die Details. Führen Sie eine automatische Auswahl aus (Motiv auswählen, U2-Net, SAM), und verfeinern Sie dann die Kanten mit Pinseln oder Matting (z. B. Closed-Form).
- Achten Sie auf Halbtransparenz. Glas, Schleier, Bewegungsunschärfe, fliegende Haare benötigen echtes Alpha (nicht nur eine harte Maske). Methoden, die auch F/B/α wiederherstellen, minimieren Farbsäume.
- Kennen Sie Ihr Alpha. Gerades vs. vormultipliziertes Alpha erzeugt unterschiedliches Kantenverhalten; exportieren/komponieren Sie konsistent (siehe Übersicht, Hargreaves).
- Wählen Sie die richtige Ausgabe. Für „kein Hintergrund“ liefern Sie ein Raster mit sauberem Alpha (z. B. PNG/WebP) oder behalten Sie geschichtete Dateien mit Masken, wenn weitere Bearbeitungen erwartet werden. Der Schlüssel ist die Qualität des Alphas, das Sie berechnet haben – verwurzelt in Porter–Duff.
Qualität & Bewertung
Akademische Arbeiten berichten über SAD-, MSE-, Gradienten- und Konnektivitäts-Fehler auf Composition-1K. Wenn Sie ein Modell auswählen, suchen Sie nach diesen Metriken (Metrikdefinitionen; Metrikabschnitt von Background Matting). Für Porträts/Videos sind MODNet und Background Matting V2 leistungsstark; für allgemeine „saliente Objekt“-Bilder ist U2-Net eine solide Grundlage; für schwierige Transparenz kann FBA sauberer sein.
Häufige Randfälle (und Korrekturen)
- Haare & Fell: bevorzugen Sie Matting (Trimap oder Porträt-Matting wie MODNet) und prüfen Sie auf einem Schachbretthintergrund.
- Feine Strukturen (Fahrradspeichen, Angelschnur): verwenden Sie hochauflösende Eingaben und einen grenzbewussten Segmentierer wie DeepLabv3+ als Vorschritt vor dem Matting.
- Durchsichtige Dinge (Rauch, Glas): Sie benötigen fraktioniertes Alpha und oft eine Vordergrundfarbschätzung (FBA).
- Videokonferenzen: Wenn Sie eine saubere Platte aufnehmen können, sieht Background Matting V2 natürlicher aus als naive „virtueller Hintergrund“-Optionen.
Wo dies in der realen Welt auftaucht
- E-Commerce: Marktplätze (z. B. Amazon) verlangen oft einen reinweißen Hauptbildhintergrund; siehe Produktbild-Leitfaden (RGB 255,255,255).
- Design-Tools: Canvas Hintergrundentferner und Photoshops Hintergrund entfernen optimieren schnelle Ausschnitte.
- Bequemlichkeit auf dem Gerät: iOS/macOS „Motiv vom Hintergrund lösen“ ist ideal für gelegentliches Teilen.
Warum Ausschnitte manchmal unecht aussehen (und Korrekturen)
- Farbsaum: grünes/blaues Licht umgibt das Motiv – verwenden Sie Despill-Steuerungen oder gezielten Farbersatz.
- Halo/Ränder: normalerweise eine Alpha-Interpretations-Fehlanpassung (gerade vs. vormultipliziert) oder Kantenpixel, die durch den alten Hintergrund kontaminiert sind; korrekt konvertieren/interpretieren (Übersicht, Details).
- Falsche Unschärfe/Körnung: Fügen Sie ein gestochen scharfes Motiv in einen weichen Hintergrund ein und es sticht heraus; passen Sie die Linsenunschärfe und die Körnung nach dem Compositing an (siehe Porter–Duff-Grundlagen).
TL;DR-Playbook
- Wenn Sie die Aufnahme kontrollieren: verwenden Sie Chroma-Keying; beleuchten Sie gleichmäßig; planen Sie Despill.
- Wenn es sich um ein einmaliges Foto handelt: probieren Sie Photoshops Hintergrund entfernen, Canva’s Hintergrundentferner, oder remove.bg; verfeinern Sie die Kanten mit Pinseln oder Matting-Techniken für Haare.
- Wenn Sie produktionsreife Kanten benötigen: verwenden Sie Matting ( Closed-Form oder Deep) und prüfen Sie Alpha auf Transparenz; beachten Sie die Interpretation des Alpha-Kanals.
- Für Porträts/Videos: erwägen Sie MODNet oder Background Matting V2; für klickgeführte Segmentierung ist SAM ein leistungsstarkes Front-End.
Was ist das HEIC Format?
Hocheffizienter Bildcontainer
High Dynamic Range (HDR)-Bildgebung ist eine Technologie, die darauf abzielt, die Lücke zwischen der Fähigkeit des menschlichen Auges, eine große Bandbreite an Helligkeitsstufen wahrzunehmen, und den Einschränkungen herkömmlicher digitaler Bildgebungssysteme bei der Erfassung, Verarbeitung und Anzeige solcher Bereiche zu schließen. Im Gegensatz zu Bildern mit Standard Dynamic Range (SDR), die nur eine begrenzte Fähigkeit haben, die Extreme von Licht und Dunkelheit innerhalb desselben Rahmens darzustellen, können HDR-Bilder ein breiteres Spektrum an Helligkeitsstufen anzeigen. Dies führt zu Bildern, die lebendiger, realistischer und näher an dem sind, was das menschliche Auge in der realen Welt wahrnimmt.
Das Konzept des Dynamikbereichs ist zentral für das Verständnis der HDR-Bildgebung. Der Dynamikbereich bezieht sich auf das Verhältnis zwischen dem hellsten Licht und dem dunkelsten Dunkel, das von einem Bildgebungssystem erfasst, verarbeitet oder angezeigt werden kann. Er wird typischerweise in Blendenstufen gemessen, wobei jede Blendenstufe eine Verdoppelung oder Halbierung der Lichtmenge darstellt. Herkömmliche SDR-Bilder arbeiten üblicherweise innerhalb eines Dynamikbereichs von etwa 6 bis 9 Blendenstufen. Die HDR-Technologie hingegen zielt darauf ab, diese Grenze deutlich zu überschreiten und den Dynamikbereich des menschlichen Auges von etwa 14 bis 24 Blendenstufen unter bestimmten Bedingungen zu erreichen oder sogar zu übertreffen.
HDR-Bildgebung wird durch eine Kombination aus fortschrittlichen Aufnahmetechniken, innovativen Verarbeitungsalgorithmen und Anzeigetechnologien ermöglicht. In der Aufnahmephase werden mehrere Belichtungen derselben Szene bei unterschiedlichen Helligkeitsstufen aufgenommen. Diese Belichtungen erfassen die Details in den dunkelsten Schatten bis hin zu den hellsten Lichtern. Der HDR-Prozess beinhaltet dann die Kombination dieser Belichtungen zu einem einzigen Bild, das einen weitaus größeren Dynamikbereich enthält, als er mit einer einzigen Belichtung mit herkömmlichen digitalen Bildsensoren erfasst werden könnte.
Die Verarbeitung von HDR-Bildern beinhaltet die Abbildung des breiten Bereichs der erfassten Helligkeitsstufen in ein Format, das effizient gespeichert, übertragen und letztendlich angezeigt werden kann. Die Tonwertzuordnung ist ein entscheidender Teil dieses Prozesses. Sie übersetzt den hohen Dynamikbereich der aufgenommenen Szene in einen Dynamikbereich, der mit dem Zielanzeige- oder Ausgabemedium kompatibel ist, und versucht dabei, die visuelle Wirkung der ursprünglichen Helligkeitsschwankungen der Szene zu erhalten. Dies beinhaltet oft ausgeklügelte Algorithmen, die Helligkeit, Kontrast und Farbsättigung sorgfältig anpassen, um Bilder zu erzeugen, die für den Betrachter natürlich und ansprechend aussehen.
HDR-Bilder werden typischerweise in speziellen Dateiformaten gespeichert, die den erweiterten Bereich an Helligkeitsinformationen aufnehmen können. Formate wie JPEG-HDR, OpenEXR und TIFF wurden speziell für diesen Zweck entwickelt. Diese Formate verwenden verschiedene Techniken, wie z. B. Gleitkommazahlen und erweiterte Farbräume, um den großen Bereich an Helligkeits- und Farbinformationen in einem HDR-Bild präzise zu kodieren. Dies bewahrt nicht nur die hohe Wiedergabetreue des HDR-Inhalts, sondern gewährleistet auch die Kompatibilität mit einem breiten Ökosystem von HDR-fähigen Geräten und Software.
Die Anzeige von HDR-Inhalten erfordert Bildschirme, die höhere Helligkeitsstufen, tiefere Schwarztöne und einen größeren Farbraum bieten können, als es Standardbildschirme bieten können. HDR-kompatible Displays verwenden Technologien wie OLED (Organic Light Emitting Diodes) und fortschrittliche LCD (Liquid Crystal Display)-Panels mit LED (Light Emitting Diode)-Hintergrundbeleuchtungsverbesserungen, um diese Eigenschaften zu erreichen. Die Fähigkeit dieser Displays, sowohl feine als auch starke Helligkeitsunterschiede wiederzugeben, verbessert das Gefühl von Tiefe, Detail und Realismus des Betrachters erheblich.
Die Verbreitung von HDR-Inhalten wurde durch die Entwicklung von HDR-Standards und Metadaten weiter erleichtert. Standards wie HDR10, Dolby Vision und Hybrid Log-Gamma (HLG) legen Richtlinien für die Kodierung, Übertragung und Wiedergabe von HDR-Inhalten auf verschiedenen Plattformen und Geräten fest. HDR-Metadaten spielen in diesem Ökosystem eine entscheidende Rolle, indem sie Informationen über die Farbkalibrierung und die Helligkeitsstufen des Inhalts liefern. Dies ermöglicht es Geräten, ihre HDR-Wiedergabefunktionen entsprechend den spezifischen Eigenschaften jedes Inhalts zu optimieren und so ein durchweg hochwertiges Seherlebnis zu gewährleisten.
Eine der Herausforderungen bei der HDR-Bildgebung ist die Notwendigkeit einer nahtlosen Integration in bestehende Workflows und Technologien, die überwiegend auf SDR-Inhalte ausgerichtet sind. Dazu gehören nicht nur die Aufnahme und Verarbeitung von Bildern, sondern auch deren Verteilung und Anzeige. Trotz dieser Herausforderungen nimmt die Akzeptanz von HDR rasant zu, was zum großen Teil auf die Unterstützung durch große Inhaltsersteller, Streaming-Dienste und Elektronikhersteller zurückzuführen ist. Da sich die HDR-Technologie weiterentwickelt und zugänglicher wird, wird erwartet, dass sie zum Standard für eine breite Palette von Anwendungen wird, von Fotografie und Kino bis hin zu Videospielen und Virtual Reality.
Eine weitere Herausforderung im Zusammenhang mit der HDR-Technologie ist die Balance zwischen dem Wunsch nach einem erhöhten Dynamikbereich und der Notwendigkeit, die Kompatibilität mit bestehenden Anzeigetechnologien aufrechtzuerhalten. Während HDR die Möglichkeit bietet, visuelle Erlebnisse dramatisch zu verbessern, besteht auch das Risiko, dass schlecht implementiertes HDR zu Bildern führt, die auf Displays, die nicht vollständig HDR-kompatibel sind, entweder zu dunkel oder zu hell erscheinen. Eine korrekte Tonwertzuordnung und eine sorgfältige Berücksichtigung der Anzeigefähigkeiten des Endbenutzers sind unerlässlich, um sicherzustellen, dass HDR-Inhalte einem breiten Publikum zugänglich sind und ein durchweg verbessertes Seherlebnis bieten.
Auch ökologische Überlegungen werden in der Diskussion über die HDR-Technologie immer wichtiger. Der höhere Stromverbrauch, der für die helleren Displays HDR-fähiger Geräte erforderlich ist, stellt Herausforderungen für Energieeffizienz und Nachhaltigkeit dar. Hersteller und Ingenieure arbeiten kontinuierlich daran, energieeffizientere Methoden zur Erzielung hoher Helligkeits- und Kontraststufen zu entwickeln, ohne den ökologischen Fußabdruck dieser Geräte zu beeinträchtigen.
Die Zukunft der HDR-Bildgebung sieht vielversprechend aus, wobei laufende Forschung und Entwicklung darauf abzielen, die aktuellen Einschränkungen zu überwinden und die Möglichkeiten der Technologie zu erweitern. Aufkommende Technologien wie Quantenpunkt-Displays und Mikro-LEDs bergen das Potenzial, die Helligkeit, Farbgenauigkeit und Effizienz von HDR-Displays weiter zu verbessern. Darüber hinaus zielen Fortschritte in den Bereichen Aufnahme- und Verarbeitungstechnologien darauf ab, HDR für Inhaltsersteller zugänglicher zu machen, indem der Workflow vereinfacht und der Bedarf an Spezialausrüstung reduziert wird.
Im Bereich des Konsums von Inhalten eröffnet die HDR-Technologie auch neue Wege für immersive Erlebnisse. In Videospielen und Virtual Reality kann HDR das Gefühl von Präsenz und Realismus dramatisch verbessern, indem die Helligkeit und Farbvielfalt der realen Welt genauer wiedergegeben wird. Dies verbessert nicht nur die visuelle Qualität, sondern vertieft auch die emotionale Wirkung digitaler Erlebnisse und macht sie fesselnder und lebensechter.
Über die Unterhaltung hinaus findet die HDR-Technologie Anwendung in Bereichen wie der medizinischen Bildgebung, wo ihre Fähigkeit, einen größeren Bereich an Helligkeitsstufen anzuzeigen, dazu beitragen kann, Details aufzudecken, die in Standardbildern möglicherweise übersehen werden. Ähnlich können in Bereichen wie Astronomie und Fernerkundung HDR-Bilder die Nuancen von Himmelskörpern und Erdoberflächenmerkmalen mit beispielloser Klarheit und Tiefe erfassen.
Zusammenfassend lässt sich sagen, dass die HDR-Technologie einen bedeutenden Fortschritt in der digitalen Bildgebung darstellt und ein verbessertes visuelles Erlebnis bietet, das digitale Inhalte näher an den Reichtum und die Tiefe der realen Welt heranführt. Trotz der Herausforderungen, die mit ihrer Implementierung und weit verbreiteten Akzeptanz verbunden sind, sind die Vorteile von HDR klar. Da sich diese Technologie weiterentwickelt und in verschiedene Branchen integriert, hat sie das Potenzial, die Art und Weise, wie wir digitale Bilder erfassen, verarbeiten und wahrnehmen, zu revolutionieren und neue Möglichkeiten für Kreativität, Erforschung und Verständnis zu eröffnen.
Unterstützte Formate
AAI.aai
AAI Dune Bild
AI.ai
Adobe Illustrator CS2
AVIF.avif
AV1 Bildformat
BAYER.bayer
Rohes Bayer-Bild
BMP.bmp
Microsoft Windows Bitmap-Bild
CIN.cin
Cineon-Bilddatei
CLIP.clip
Bild-Clip-Maske
CMYK.cmyk
Rohcyan-, Magenta-, Gelb- und Schwarzproben
CUR.cur
Microsoft-Symbol
DCX.dcx
ZSoft IBM PC mehrseitige Paintbrush
DDS.dds
Microsoft DirectDraw-Oberfläche
DPX.dpx
SMTPE 268M-2003 (DPX 2.0) Bild
DXT1.dxt1
Microsoft DirectDraw-Oberfläche
EPDF.epdf
Eingekapseltes tragbares Dokumentenformat
EPI.epi
Adobe Encapsulated PostScript Interchange-Format
EPS.eps
Adobe Encapsulated PostScript
EPSF.epsf
Adobe Encapsulated PostScript
EPSI.epsi
Adobe Encapsulated PostScript Interchange-Format
EPT.ept
Eingekapseltes PostScript mit TIFF-Vorschau
EPT2.ept2
Eingekapseltes PostScript Level II mit TIFF-Vorschau
EXR.exr
Bild mit hohem Dynamikbereich (HDR)
FF.ff
Farbfeld
FITS.fits
Flexibles Bildtransport-System
GIF.gif
CompuServe-Grafikaustauschformat
HDR.hdr
Bild mit hohem Dynamikbereich (HDR)
HEIC.heic
Hocheffizienter Bildcontainer
HRZ.hrz
Slow Scan TeleVision
ICO.ico
Microsoft-Symbol
ICON.icon
Microsoft-Symbol
J2C.j2c
JPEG-2000 Codestream
J2K.j2k
JPEG-2000 Codestream
JNG.jng
JPEG Network Graphics
JP2.jp2
JPEG-2000 Dateiformat Syntax
JPE.jpe
Joint Photographic Experts Group JFIF-Format
JPEG.jpeg
Joint Photographic Experts Group JFIF-Format
JPG.jpg
Joint Photographic Experts Group JFIF-Format
JPM.jpm
JPEG-2000 Dateiformat Syntax
JPS.jps
Joint Photographic Experts Group JPS-Format
JPT.jpt
JPEG-2000 Dateiformat Syntax
JXL.jxl
JPEG XL-Bild
MAP.map
Multi-Resolution Seamless Image Database (MrSID)
MAT.mat
MATLAB-Level-5-Bildformat
PAL.pal
Palm-Pixmap
PALM.palm
Palm-Pixmap
PAM.pam
Allgemeines zweidimensionales Bitmap-Format
PBM.pbm
Portable Bitmap-Format (schwarz-weiß)
PCD.pcd
Photo-CD
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Palm Database ImageViewer-Format
PDF.pdf
Portable Document Format
PDFA.pdfa
Portable Document Archive-Format
PFM.pfm
Portable Float-Format
PGM.pgm
Portable Graymap-Format (Graustufen)
PGX.pgx
JPEG-2000 unkomprimiertes Format
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Joint Photographic Experts Group JFIF-Format
PNG.png
Portable Network Graphics
PNG00.png00
PNG mit Bit-Tiefe und Farbtyp vom Originalbild erben
PNG24.png24
Opakes oder binäres transparentes 24-Bit-RGB (zlib 1.2.11)
PNG32.png32
Opakes oder binäres transparentes 32-Bit-RGBA
PNG48.png48
Opakes oder binäres transparentes 48-Bit-RGB
PNG64.png64
Opakes oder binäres transparentes 64-Bit-RGBA
PNG8.png8
Opakes oder binäres transparentes 8-Bit-Indexed
PNM.pnm
Portable Anymap
PPM.ppm
Portable Pixmap-Format (Farbe)
PS.ps
Adobe PostScript-Datei
PSB.psb
Adobe Large Document-Format
PSD.psd
Adobe Photoshop-Bitmap
RGB.rgb
Rohdaten für rote, grüne und blaue Proben
RGBA.rgba
Rohdaten für rote, grüne, blaue und Alpha-Proben
RGBO.rgbo
Rohdaten für rote, grüne, blaue und Opazität-Proben
SIX.six
DEC SIXEL-Grafikformat
SUN.sun
Sun Rasterfile
SVG.svg
Skalierbare Vektorgrafiken
TIFF.tiff
Tagged Image File Format
VDA.vda
Truevision-Targa-Bild
VIPS.vips
VIPS-Bild
WBMP.wbmp
Wireless Bitmap (Level 0) Bild
WEBP.webp
WebP-Bildformat
YUV.yuv
CCIR 601 4:1:1 oder 4:2:2
Häufig gestellte Fragen
Wie funktioniert das?
Dieser Konverter läuft vollständig in Ihrem Browser. Wenn Sie eine Datei auswählen, wird sie in den Speicher gelesen und in das ausgewählte Format konvertiert. Sie können die konvertierte Datei dann herunterladen.
Wie lange dauert die Konvertierung einer Datei?
Die Konvertierung beginnt sofort, und die meisten Dateien werden in weniger als einer Sekunde konvertiert. Größere Dateien können länger dauern.
Was passiert mit meinen Dateien?
Ihre Dateien werden niemals auf unsere Server hochgeladen. Sie werden in Ihrem Browser konvertiert, und die konvertierte Datei wird dann heruntergeladen. Wir sehen Ihre Dateien niemals.
Welche Dateitypen kann ich konvertieren?
Wir unterstützen die Konvertierung zwischen allen Bildformaten, einschließlich JPEG, PNG, GIF, WebP, SVG, BMP, TIFF und mehr.
Wie viel kostet das?
Dieser Konverter ist völlig kostenlos und wird immer kostenlos sein. Da er in Ihrem Browser läuft, müssen wir nicht für Server bezahlen, also müssen wir Ihnen auch nichts berechnen.
Kann ich mehrere Dateien auf einmal konvertieren?
Ja! Sie können so viele Dateien auf einmal konvertieren, wie Sie möchten. Wählen Sie einfach mehrere Dateien aus, wenn Sie sie hinzufügen.