OCR de n'importe quel PCT
Glissez-déposez ou cliquez pour sélectionner
Privé et sécurisé
Tout se passe dans votre navigateur. Vos fichiers ne touchent jamais nos serveurs.
Ultra rapide
Pas de téléchargement, pas d'attente. Convertissez au moment où vous déposez un fichier.
Vraiment gratuit
Aucun compte requis. Pas de coûts cachés. Pas d'astuces sur la taille des fichiers.
La reconnaissance optique de caractères (OCR) transforme les images de texte (scans, photos de smartphone, PDF) en chaînes de caractères lisibles par machine et, de plus en plus, en données structurées. L'OCR moderne est un pipeline qui nettoie une image, trouve du texte, le lit et exporte des métadonnées riches afin que les systèmes en aval puissent rechercher, indexer ou extraire des champs. Deux normes de sortie largement utilisées sont hOCR, un microformat HTML pour le texte et la mise en page, et ALTO XML, un schéma orienté bibliothèque/archives ; tous deux préservent les positions, l'ordre de lecture et d'autres indices de mise en page et sont pris en charge par des moteurs populaires comme Tesseract.
Un tour rapide du pipeline
Prétraitement. La qualité de l'OCR commence par le nettoyage de l'image : conversion en niveaux de gris, débruitage, seuillage (binarisation) et redressement. Les tutoriels canoniques d'OpenCV couvrent le seuillage global, adaptatif et d'Otsu — des incontournables pour les documents avec un éclairage non uniforme ou des histogrammes bimodaux. Lorsque l'éclairage varie au sein d'une page (pensez aux photos de téléphone), les méthodes adaptatives surpassent souvent un seuil global unique ; Otsu choisit automatiquement un seuil en analysant l'histogramme. La correction de l'inclinaison est tout aussi importante : le redressement basé sur Hough (Transformée de Hough) associé à la binarisation d'Otsu est une recette courante et efficace dans les pipelines de prétraitement de production.
Détection vs. reconnaissance. L'OCR est généralement divisé en détection de texte (où se trouve le texte ?) et reconnaissance de texte (que dit-il ?). Dans les scènes naturelles et de nombreux scans, les détecteurs entièrement convolutifs comme EAST prédisent efficacement des quadrilatères au niveau du mot ou de la ligne sans étapes de proposition lourdes et sont implémentés dans des boîtes à outils courantes (par exemple, le tutoriel de détection de texte d'OpenCV). Sur les pages complexes (journaux, formulaires, livres), la segmentation des lignes/régions et l'inférence de l'ordre de lecture sont importantes :Kraken implémente la segmentation traditionnelle de zones/lignes et la segmentation neuronale de ligne de base, avec un support explicite pour différents scripts et directions (LTR/RTL/vertical).
Modèles de reconnaissance. Le classique cheval de bataille open-source Tesseract (open-sourcé par Google, avec des racines chez HP) a évolué d'un classifieur de caractères en un reconnaisseur de séquence basé sur LSTM et peut émettre des PDF consultables, des sorties compatibles hOCR/ALTO, et plus encore depuis la CLI. Les reconnaisseurs modernes s'appuient sur la modélisation de séquence sans caractères pré-segmentés. La classification temporelle connexionniste (CTC) reste fondamentale, apprenant les alignements entre les séquences de caractéristiques d'entrée et les chaînes d'étiquettes de sortie ; elle est largement utilisée dans les pipelines d'écriture manuscrite et de texte de scène.
Ces dernières années, les Transformers ont remodelé l'OCR. TrOCR utilise un encodeur Vision Transformer plus un décodeur Text Transformer, entraîné sur de grands corpus synthétiques puis affiné sur des données réelles, avec de solides performances sur les benchmarks de texte imprimé, manuscrit et de scène (voir aussi la documentation de Hugging Face). En parallèle, certains systèmes contournent l'OCR pour la compréhension en aval : Donut (Document Understanding Transformer) est un encodeur-décodeur sans OCR qui produit directement des réponses structurées (comme du JSON clé-valeur) à partir d'images de documents (repo, carte de modèle), évitant l'accumulation d'erreurs lorsqu'une étape OCR distincte alimente un système d'IE.
Moteurs et bibliothèques
Si vous voulez une lecture de texte clés en main sur de nombreux scripts, EasyOCR offre une API simple avec plus de 80 modèles linguistiques, renvoyant des boîtes, du texte et des confiances — pratique pour les prototypes et les scripts non latins. Pour les documents historiques, Kraken brille par sa segmentation de ligne de base et son ordre de lecture sensible au script ; pour un entraînement flexible au niveau de la ligne, Calamari s'appuie sur la lignée d'Ocropy (Ocropy) avec des reconnaisseurs (multi-)LSTM+CTC et une CLI pour affiner des modèles personnalisés.
Ensembles de données et benchmarks
La généralisation dépend des données. Pour l'écriture manuscrite, la base de données d'écriture manuscrite IAM fournit des phrases en anglais de divers scripteurs pour l'entraînement et l'évaluation ; c'est un ensemble de référence de longue date pour la reconnaissance de lignes et de mots. Pour le texte de scène, COCO-Text a superposé des annotations étendues sur MS-COCO, avec des étiquettes pour l'imprimé/manuscrit, lisible/illisible, le script et les transcriptions complètes (voir aussi la page originale du projet). Le domaine s'appuie également fortement sur le pré-entraînement synthétique : SynthText in the Wild rend le texte dans des photographies avec une géométrie et un éclairage réalistes, fournissant d'énormes volumes de données pour pré-entraîner les détecteurs et les reconnaisseurs (référence code et données).
Les compétitions sous l'égide de la lecture robuste d'ICDAR maintiennent l'évaluation sur le terrain. Les tâches récentes mettent l'accent sur la détection/lecture de bout en bout et incluent la liaison de mots en phrases, avec le code officiel rapportant précision/rappel/F-score, l'intersection sur l'union (IoU) et les métriques de distance d'édition au niveau du caractère — reflétant ce que les praticiens devraient suivre.
Formats de sortie et utilisation en aval
L'OCR se termine rarement par du texte brut. Les archives et les bibliothèques numériques préfèrent ALTO XML car il encode la mise en page physique (blocs/lignes/mots avec coordonnées) ainsi que le contenu, et il se marie bien avec l'empaquetage METS. Le microformat hOCR , en revanche, intègre la même idée dans HTML/CSS en utilisant des classes comme ocr_line et ocrx_word, ce qui facilite l'affichage, la modification et la transformation avec des outils web. Tesseract expose les deux — par exemple, en générant du hOCR ou des PDF consultables directement depuis la CLI (guide de sortie PDF) ; les wrappers Python comme pytesseract ajoutent de la commodité. Il existe des convertisseurs pour traduire entre hOCR et ALTO lorsque les dépôts ont des normes d'ingestion fixes — voir cette liste organisée d' outils de format de fichier OCR.
Conseils pratiques
- Commencez par les données et la propreté. Si vos images sont des photos de téléphone ou des scans de qualité mixte, investissez dans le seuillage (adaptatif et Otsu) et le redressement (Hough) avant tout réglage de modèle. Vous gagnerez souvent plus d'une recette de prétraitement robuste que de changer de reconnaisseurs.
- Choisissez le bon détecteur. Pour les pages numérisées avec des colonnes régulières, un segmenteur de page (zones → lignes) peut suffire ; pour les images naturelles, les détecteurs à un seul coup comme EAST sont de solides bases de référence et se branchent sur de nombreuses boîtes à outils (exemple OpenCV).
- Choisissez un reconnaisseur qui correspond à votre texte. Pour le latin imprimé, Tesseract (LSTM/OEM) est robuste et rapide ; pour les multi-scripts ou les prototypes rapides, EasyOCR est productif ; pour l'écriture manuscrite ou les polices de caractères historiques, envisagez Kraken ou Calamari et prévoyez un réglage fin. Si vous avez besoin d'un couplage étroit avec la compréhension de documents (extraction clé-valeur, VQA), évaluez TrOCR (OCR) par rapport à Donut (sans OCR) sur votre schéma — Donut peut supprimer une étape d'intégration entière.
- Mesurez ce qui compte. Pour les systèmes de bout en bout, rapportez la détection F-score et la reconnaissance CER/WER (tous deux basés sur la distance d'édition de Levenshtein ; voir CTC) ; pour les tâches lourdes en mise en page, suivez l'IoU/l'étroitesse et la distance d'édition normalisée au niveau du caractère comme dans les kits d'évaluation ICDAR RRC .
- Exportez des sorties riches. Préférez hOCR /ALTO (ou les deux) afin de conserver les coordonnées et l'ordre de lecture — vital pour la mise en surbrillance des résultats de recherche, l'extraction de tableaux/champs et la provenance. La CLI de Tesseract et pytesseract en font une seule ligne.
Regarder vers l'avenir
La tendance la plus forte est la convergence : la détection, la reconnaissance, la modélisation du langage et même le décodage spécifique à la tâche fusionnent dans des piles de Transformers unifiées. Le pré-entraînement sur de grands corpus synthétiques reste un multiplicateur de force. Les modèles sans OCR seront en concurrence agressive partout où la cible est des sorties structurées plutôt que des transcriptions littérales. Attendez-vous également à des déploiements hybrides : un détecteur léger plus un reconnaisseur de style TrOCR pour le texte long, et un modèle de style Donut pour les formulaires et les reçus.
Lectures complémentaires et outils
Tesseract (GitHub) · Documentation de Tesseract · Spécification hOCR · Contexte ALTO · Détecteur EAST · Détection de texte OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Écriture manuscrite IAM · Outils de format de fichier OCR · EasyOCR
Questions Fréquemment Posées
Qu'est-ce que l'OCR ?
La reconnaissance optique de caractères (OCR) est une technologie utilisée pour convertir différents types de documents, tels que des documents papier numérisés, des fichiers PDF ou des images capturées par un appareil photo numérique, en données modifiables et recherchables.
Comment fonctionne l'OCR ?
L'OCR fonctionne en numérisant une image ou un document d'entrée, en segmentant l'image en caractères individuels, et en comparant chaque caractère avec une base de données de formes de caractères en utilisant la reconnaissance de formes ou la reconnaissance de caractéristiques.
Quelles sont les applications pratiques de l'OCR ?
L'OCR est utilisé dans une variété de secteurs et d'applications, y compris la numérisation de documents imprimés, l'activation des services de texte en parole, l'automatisation des processus de saisie de données, et l'aide aux utilisateurs malvoyants pour mieux interagir avec le texte.
L'OCR est-il toujours précis à 100% ?
Bien que des progrès importants aient été faits dans la technologie OCR, elle n'est pas infaillible. La précision peut varier en fonction de la qualité du document original et des spécificités du logiciel OCR utilisé.
L'OCR peut-il reconnaître l'écriture manuelle ?
Bien que l'OCR soit principalement conçu pour le texte imprimé, certains systèmes OCR avancés sont également capables de reconnaître une écriture manuelle claire et cohérente. Cependant, la reconnaissance de l'écriture manuelle est généralement moins précise en raison de la grande variation des styles d'écriture individuels.
L'OCR peut-il gérer plusieurs langues ?
Oui, de nombreux systèmes logiciels OCR peuvent reconnaître plusieurs langues. Cependant, il est important de s'assurer que la langue spécifique est prise en charge par le logiciel que vous utilisez.
Quelle est la différence entre l'OCR et l'ICR ?
OCR signifie Optical Character Recognition et est utilisé pour reconnaître le texte imprimé, tandis que ICR, ou Intelligent Character Recognition, est plus avancé et est utilisé pour reconnaître le texte écrit à la main.
L'OCR fonctionne-t-il avec toutes les polices et tailles de texte ?
L'OCR fonctionne mieux avec des polices claires et faciles à lire et des tailles de texte standard. Bien qu'il puisse fonctionner avec différentes polices et tailles, la précision a tendance à diminuer lorsqu'on traite des polices inhabituelles ou des tailles de texte très petites.
Quelles sont les limites de la technologie OCR ?
L'OCR peut avoir du mal avec les documents de faible résolution, les polices complexes, les textes mal imprimés, l'écriture manuelle, et les documents avec des arrière-plans qui interfèrent avec le texte. De plus, bien qu'il puisse fonctionner avec de nombreuses langues, il ne couvre peut-être pas parfaitement toutes les langues.
L'OCR peut-il numériser du texte en couleur ou des arrière-plans en couleur ?
Oui, l'OCR peut numériser du texte en couleur et des arrière-plans en couleur, bien qu'il soit généralement plus efficace avec des combinaisons de couleurs à contraste élevé, comme le texte noir sur un fond blanc. La précision peut diminuer lorsque les couleurs du texte et de l'arrière-plan manquent de contraste suffisant.
Qu'est-ce que le format PCT ?
Apple Macintosh QuickDraw/PICT
Le format d'image PCT, également connu sous le nom de format Macintosh PICT, est un format de fichier graphique qui était principalement utilisé sur les ordinateurs Macintosh. Il a été conçu à l'origine comme un format de métafichier dans les années 1980, ce qui signifie qu'il pouvait contenir à la fois des données bitmap et vectorielles. Cette polyvalence en a fait un choix populaire pour stocker et transférer une large gamme de types graphiques, des illustrations simples aux images complexes. Le format PCT a été développé par Apple Inc. pour faciliter le transfert de graphiques entre différentes applications et pour servir de format de vidage graphique pour la bibliothèque graphique QuickDraw, qui était la base de l'interface utilisateur graphique des premiers systèmes d'exploitation Macintosh.
Le format PCT est unique en ce qu'il peut stocker à la fois des informations vectorielles et bitmap. Les graphiques vectoriels sont constitués de chemins définis par des équations mathématiques, ce qui les rend évolutifs sans perte de qualité. Les graphiques bitmap, en revanche, sont composés de pixels, ce qui peut entraîner une perte de détails lors de la mise à l'échelle. En combinant ces deux types de données, les fichiers PCT pouvaient stocker efficacement des images complexes telles que des illustrations avec du texte, des dessins au trait et des éléments photographiques, tout en conservant la possibilité de mettre à l'échelle certaines parties de l'image sans dégradation.
Les fichiers PCT sont structurés de manière à commencer par un en-tête de 512 octets, qui est généralement rempli de zéros et n'est pas utilisé par le format PICT lui-même. Il est suivi de l'en-tête du fichier PICT, qui comprend des informations importantes telles que le numéro de version et la taille de l'image. L'en-tête est suivi des données de l'image, qui sont composées de codes d'opération (opcodes) qui dictent la manière dont l'image doit être rendue. Ces opcodes peuvent définir des lignes, des formes, des couleurs et d'autres éléments graphiques, ainsi que des données bitmap pour les images tramées.
Il existe deux versions principales du format PCT : PICT1 et PICT2. PICT1 est la version originale qui prend en charge les commandes de dessin de base et un nombre limité de couleurs. PICT2, introduit avec le Macintosh II, a ajouté la prise en charge de capacités d'imagerie plus sophistiquées, telles que la couleur 24 bits, les dégradés et la compression JPEG. PICT2 a également introduit le concept de « régions » qui permettait des opérations de découpage plus complexes, où seules certaines parties de l'image étaient dessinées, en fonction de la région définie.
L'une des principales caractéristiques du format PCT est sa capacité à compresser les données d'image. Les fichiers PCT utilisent le RLE (Run-Length Encoding), une forme simple de compression de données où les séquences de la même valeur de données sont stockées sous forme de valeur unique et de nombre, plutôt que sous forme d'exécution d'origine. Ceci est particulièrement efficace pour les images avec de grandes zones de couleur uniforme. PICT2 a amélioré cette capacité en prenant en charge la compression JPEG, qui est plus efficace pour compresser les images photographiques.
Le format PCT comprend également un certain nombre d'autres fonctionnalités qui étaient avancées pour son époque. Il prend en charge plusieurs résolutions, ce qui signifie qu'une image peut être rendue à différents niveaux de détail en fonction des capacités du périphérique de sortie. Ceci est particulièrement utile lorsque la même image doit être affichée à la fois sur un écran et une imprimante, qui ont généralement des exigences de résolution très différentes. De plus, les fichiers PCT peuvent contenir une image d'aperçu, qui est une petite représentation bitmap des données vectorielles. Cela permet aux applications d'afficher rapidement une miniature de l'image sans avoir à rendre l'intégralité du graphique vectoriel.
Malgré ses capacités, le format PCT présente plusieurs limitations. L'une des plus importantes est son manque de prise en charge de la transparence. Contrairement aux formats tels que GIF et PNG, PCT ne permet pas la création d'images avec des arrière-plans transparents ou des éléments semi-transparents. Cette limitation peut être problématique lors de la superposition d'images ou lorsqu'une image doit être placée sur un arrière-plan de couleurs ou de motifs variables.
Une autre limitation du format PCT est sa dépendance à la plateforme. PCT a été conçu pour le système d'exploitation Macintosh et QuickDraw, ce qui signifie qu'il n'est pas pris en charge nativement sur d'autres plateformes. Bien qu'il existe des outils et des bibliothèques tiers qui peuvent lire et écrire des fichiers PCT sous Windows et d'autres systèmes d'exploitation, le format n'a jamais été largement adopté en dehors de la communauté Macintosh. Cela a entraîné des problèmes de compatibilité, d'autant plus que l'utilisation de logiciels spécifiques à Macintosh a diminué au fil du temps.
Le format PCT présente également des problèmes de sécurité. Dans le passé, des vulnérabilités ont été découvertes dans la façon dont certaines applications gèrent les fichiers PCT, ce qui pourrait potentiellement permettre l'exécution de code malveillant. Il s'agit d'un problème courant avec de nombreux formats de fichiers, où la complexité et la compatibilité descendante peuvent entraîner des oublis de sécurité. En conséquence, certaines applications modernes ont abandonné la prise en charge du format PCT, ou elles le gèrent dans un environnement sandboxé plus sécurisé.
En termes d'extension de fichier, les fichiers PCT sont généralement enregistrés avec l'extension « .pct » ou « .pict ». Cependant, en raison de la nature insensible à la casse du système de fichiers Macintosh, ces extensions sont interchangeables. Lors du transfert de fichiers PCT vers des systèmes avec des systèmes de fichiers sensibles à la casse, tels que Linux, il faut veiller à conserver la bonne extension de fichier à des fins de compatibilité.
Le format PCT a été largement remplacé par des formats d'image plus modernes comme PNG, JPEG et SVG. Ces formats offrent une meilleure compression, une prise en charge de plateforme plus large et des fonctionnalités supplémentaires telles que la transparence et l'animation. Cependant, les fichiers PCT sont toujours utilisés dans certains systèmes et applications hérités, en particulier ceux qui ont été conçus pour les anciens systèmes d'exploitation Macintosh. Pour cette raison, comprendre le format PCT peut être important lors du traitement de documents graphiques d'archives ou lors de l'interfaçage avec d'anciens logiciels Macintosh.
Pour les développeurs et les utilisateurs travaillant avec des fichiers PCT, il existe un certain nombre d'outils disponibles pour visualiser, convertir et éditer ces images. GraphicConverter est une application Macintosh populaire qui peut gérer les fichiers PCT parmi de nombreux autres formats. Adobe Photoshop a également la capacité d'ouvrir et de convertir des fichiers PCT, bien que les versions plus récentes puissent avoir abandonné la prise en charge en raison de la pertinence décroissante du format. Il existe également plusieurs outils en ligne qui permettent aux utilisateurs de convertir des fichiers PCT en formats plus courants comme JPEG ou PNG.
Dans le domaine de la programmation, des bibliothèques telles qu'ImageMagick et Python Imaging Library (PIL) peuvent être utilisées pour manipuler les fichiers PCT par programmation. Ces bibliothèques fournissent des fonctions pour lire, écrire et convertir des fichiers PCT, ainsi que pour effectuer des tâches de traitement d'image. Cependant, les développeurs doivent être conscients que la prise en charge des fichiers PCT dans ces bibliothèques peut être limitée par rapport aux formats plus modernes, et des efforts supplémentaires peuvent être nécessaires pour gérer correctement les fichiers PCT.
En conclusion, le format d'image PCT a joué un rôle important dans les débuts de l'informatique Macintosh, offrant un moyen flexible et puissant de stocker et de manipuler des graphiques. Bien qu'il ait été largement remplacé par des formats plus récents, son héritage se poursuit sous la forme de contenu et d'applications hérités qui reposent encore sur ce format autrefois omniprésent. Comprendre les aspects techniques du PCT, de sa structure et de ses capacités à ses limites et problèmes de sécurité, est essentiel pour les professionnels qui peuvent rencontrer ce format dans des travaux d'archivage ou lors d'interactions avec d'anciens systèmes Macintosh.
Formats supportés
AAI.aai
Image AAI Dune
AI.ai
Adobe Illustrator CS2
AVIF.avif
Format de fichier d'image AV1
BAYER.bayer
Image Bayer brute
BMP.bmp
Image bitmap Windows
CIN.cin
Fichier image Cineon
CLIP.clip
Masque d'image Clip
CMYK.cmyk
Échantillons cyan, magenta, jaune et noir bruts
CUR.cur
Icône Microsoft
DCX.dcx
ZSoft IBM PC Paintbrush multi-page
DDS.dds
Microsoft DirectDraw Surface
DPX.dpx
Image SMTPE 268M-2003 (DPX 2.0)
DXT1.dxt1
Microsoft DirectDraw Surface
EPDF.epdf
Format de document portable encapsulé
EPI.epi
Format d'échange encapsulé PostScript Adobe
EPS.eps
PostScript encapsulé Adobe
EPSF.epsf
PostScript encapsulé Adobe
EPSI.epsi
Format d'échange encapsulé PostScript Adobe
EPT.ept
PostScript encapsulé avec aperçu TIFF
EPT2.ept2
PostScript niveau II encapsulé avec aperçu TIFF
EXR.exr
Image à gamme dynamique élevée (HDR)
FF.ff
Farbfeld
FITS.fits
Système de transport d'images flexible
GIF.gif
Format d'échange de graphiques CompuServe
HDR.hdr
Image à gamme dynamique élevée
HEIC.heic
Conteneur d'image haute efficacité
HRZ.hrz
Télévision à balayage lent
ICO.ico
Icône Microsoft
ICON.icon
Icône Microsoft
J2C.j2c
Flux JPEG-2000
J2K.j2k
Flux JPEG-2000
JNG.jng
JPEG Network Graphics
JP2.jp2
Syntaxe du format de fichier JPEG-2000
JPE.jpe
Format JFIF du groupe mixte d'experts photographiques
JPEG.jpeg
Format JFIF du groupe mixte d'experts photographiques
JPG.jpg
Format JFIF du groupe mixte d'experts photographiques
JPM.jpm
Syntaxe du format de fichier JPEG-2000
JPS.jps
Format JPS du groupe mixte d'experts photographiques
JPT.jpt
Syntaxe du format de fichier JPEG-2000
JXL.jxl
Image JPEG XL
MAP.map
Base de données d'images multi-résolutions sans couture (MrSID)
MAT.mat
Format d'image MATLAB niveau 5
PAL.pal
Palette Palm
PALM.palm
Palette Palm
PAM.pam
Format de bitmap 2D commun
PBM.pbm
Format de bitmap portable (noir et blanc)
PCD.pcd
Photo CD
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Format ImageViewer de base de données Palm
PDF.pdf
Format de document portable
PDFA.pdfa
Format d'archive de document portable
PFM.pfm
Format portable à virgule flottante
PGM.pgm
Format de bitmap portable (niveaux de gris)
PGX.pgx
Format JPEG 2000 non compressé
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Format JFIF du groupe mixte d'experts photographiques
PNG.png
Portable Network Graphics
PNG00.png00
PNG héritant de la profondeur de bits, du type de couleur de l'image d'origine
PNG24.png24
24 bits RVB opaque ou transparent binaire (zlib 1.2.11)
PNG32.png32
32 bits RVB opaque ou transparent binaire
PNG48.png48
48 bits RVB opaque ou transparent binaire
PNG64.png64
64 bits RVB opaque ou transparent binaire
PNG8.png8
8 bits indexé opaque ou transparent binaire
PNM.pnm
Portable anymap
PPM.ppm
Format de pixmap portable (couleur)
PS.ps
Fichier PostScript Adobe
PSB.psb
Format de grand document Adobe
PSD.psd
Bitmap Photoshop Adobe
RGB.rgb
Échantillons rouge, vert et bleu bruts
RGBA.rgba
Échantillons rouge, vert, bleu et alpha bruts
RGBO.rgbo
Échantillons rouge, vert, bleu et opacité bruts
SIX.six
Format de graphiques SIXEL DEC
SUN.sun
Fichier Rasterfile Sun
SVG.svg
Graphiques vectoriels adaptables
TIFF.tiff
Format de fichier d'image balisée
VDA.vda
Image Truevision Targa
VIPS.vips
Image VIPS
WBMP.wbmp
Image sans fil Bitmap (niveau 0)
WEBP.webp
Format d'image WebP
YUV.yuv
CCIR 601 4:1:1 ou 4:2:2
Foire aux questions
Comment ça marche ?
Ce convertisseur fonctionne entièrement dans votre navigateur. Lorsque vous sélectionnez un fichier, il est lu en mémoire et converti dans le format sélectionné. Vous pouvez ensuite télécharger le fichier converti.
Combien de temps prend la conversion d'un fichier ?
Les conversions commencent instantanément, et la plupart des fichiers sont convertis en moins d'une seconde. Les fichiers plus volumineux peuvent prendre plus de temps.
Que deviennent mes fichiers ?
Vos fichiers ne sont jamais téléversés vers nos serveurs. Ils sont convertis dans votre navigateur, puis le fichier converti est téléchargé. Nous ne voyons jamais vos fichiers.
Quels types de fichiers puis-je convertir ?
Nous prenons en charge la conversion entre tous les formats d'image, y compris JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, et plus encore.
Combien cela coûte ?
Ce convertisseur est complètement gratuit, et le restera toujours. Parce qu'il fonctionne dans votre navigateur, nous n'avons pas besoin de payer pour des serveurs, donc nous n'avons pas besoin de vous faire payer.
Puis-je convertir plusieurs fichiers à la fois ?
Oui ! Vous pouvez convertir autant de fichiers que vous voulez simultanément. Il suffit de sélectionner plusieurs fichiers lorsque vous les ajoutez.