OCR dowolnego HEIC
Przeciągnij i upuść lub kliknij, aby wybrać
Prywatne i bezpieczne
Wszystko dzieje się w Twojej przeglądarce. Twoje pliki nigdy nie dotykają naszych serwerów.
Błyskawicznie
Bez przesyłania, bez czekania. Konwertuj w momencie upuszczenia pliku.
Rzeczywiście za darmo
Nie wymaga konta. Brak ukrytych kosztów. Brak sztuczek z rozmiarem pliku.
Optyczne rozpoznawanie znaków (OCR) zamienia obrazy tekstu — skany, zdjęcia ze smartfonów, pliki PDF — na ciągi znaków czytelne dla maszyn, a coraz częściej na dane strukturalne. Nowoczesne OCR to potok, który czyści obraz, znajduje tekst, odczytuje go i eksportuje bogate metadane, dzięki czemu systemy podrzędne mogą wyszukiwać, indeksować lub wyodrębniać pola. Dwa szeroko stosowane standardy wyjściowe to hOCR, mikroformat HTML dla tekstu i układu, oraz ALTO XML, schemat zorientowany na biblioteki/archiwa; oba zachowują pozycje, kolejność czytania i inne wskazówki dotyczące układu i są obsługiwane przez popularne silniki, takie jak Tesseract.
Szybka wycieczka po potoku
Przetwarzanie wstępne. Jakość OCR zaczyna się od czyszczenia obrazu: konwersji do skali szarości, odszumiania, progowania (binaryzacji) i prostowania. Kanoniczne samouczki OpenCV obejmują globalne, adaptacyjne i Otsu progowanie — podstawowe elementy dla dokumentów o nierównomiernym oświetleniu lub bimodalnych histogramach. Gdy oświetlenie zmienia się na stronie (pomyśl o zdjęciach z telefonu), metody adaptacyjne często przewyższają pojedynczy globalny próg; Otsu automatycznie wybiera próg, analizując histogram. Równie ważna jest korekcja nachylenia: prostowanie oparte na transformacji Hougha (Transformacja Hougha) w połączeniu z binaryzacją Otsu to powszechny i skuteczny przepis w produkcyjnych potokach przetwarzania wstępnego.
Wykrywanie a rozpoznawanie. OCR jest zazwyczaj podzielone na wykrywanie tekstu (gdzie jest tekst?) i rozpoznawanie tekstu (co on mówi?). W scenach naturalnych i wielu skanach w pełni konwolucyjne detektory, takie jak EAST skutecznie przewidują czworokąty na poziomie słów lub linii bez ciężkich etapów propozycji i są zaimplementowane w popularnych zestawach narzędzi (np. samouczek wykrywania tekstu OpenCV). Na złożonych stronach (gazety, formularze, książki) ważna jest segmentacja linii/regionów i wnioskowanie o kolejności czytania:Kraken implementuje tradycyjną segmentację stref/linii i neuronową segmentację linii bazowej, z wyraźnym wsparciem dla różnych pism i kierunków (LTR/RTL/pionowo).
Modele rozpoznawania. Klasyczny koń roboczy open-source Tesseract (udostępniony jako open-source przez Google, z korzeniami w HP) ewoluował z klasyfikatora znaków w sekwencyjny rozpoznawacz oparty na LSTM i może emitować przeszukiwalne pliki PDF, wyjścia przyjazne dla hOCR/ALTOi więcej z CLI. Nowoczesne rozpoznawacze opierają się na modelowaniu sekwencji bez wstępnie posegmentowanych znaków. Connectionist Temporal Classification (CTC) pozostaje fundamentalne, ucząc się dopasowań między sekwencjami cech wejściowych a sekwencjami etykiet wyjściowych; jest szeroko stosowane w potokach rozpoznawania pisma ręcznego i tekstu w scenach.
W ostatnich latach Transformery przekształciły OCR. TrOCR używa kodera Vision Transformer oraz dekodera Text Transformer, trenowanego na dużych korpusach syntetycznych, a następnie dostrajanego na rzeczywistych danych, z dużą wydajnością w testach porównawczych tekstu drukowanego, pisanego odręcznie i w scenach (zobacz także dokumentację Hugging Face). Równolegle niektóre systemy omijają OCR na rzecz zrozumienia na dalszym etapie: Donut (Document Understanding Transformer) to koder-dekoder bez OCR, który bezpośrednio generuje ustrukturyzowane odpowiedzi (takie jak JSON klucz-wartość) z obrazów dokumentów (repo, karta modelu), unikając kumulacji błędów, gdy oddzielny krok OCR zasila system IE.
Silniki i biblioteki
Jeśli chcesz gotowe do użycia rozwiązanie do odczytu tekstu w wielu pismach, EasyOCR oferuje proste API z ponad 80 modelami językowymi, zwracając ramki, tekst i pewność — przydatne do prototypów i pism nielacińskich. W przypadku dokumentów historycznych Kraken wyróżnia się segmentacją linii bazowej i świadomą pisma kolejnością czytania; do elastycznego trenowania na poziomie linii, Calamari opiera się na dziedzictwie Ocropy (Ocropy) z rozpoznawaczami (multi-)LSTM+CTC i CLI do dostrajania niestandardowych modeli.
Zbiory danych i testy porównawcze
Generalizacja zależy od danych. W przypadku pisma ręcznego Baza danych pisma ręcznego IAM dostarcza zróżnicowane pod względem pisarzy zdania w języku angielskim do trenowania i oceny; jest to długoletni zestaw referencyjny do rozpoznawania linii i słów. W przypadku tekstu w scenach COCO-Text nałożył obszerne adnotacje na MS-COCO, z etykietami dla tekstu drukowanego/pisanego odręcznie, czytelnego/nieczytelnego, pisma i pełnych transkrypcji (zobacz także oryginalną stron ę projektu). Dziedzina ta w dużym stopniu opiera się również na syntetycznym wstępnym trenowaniu: SynthText in the Wild renderuje tekst na fotografiach z realistyczną geometrią i oświetleniem, dostarczając ogromne ilości danych do wstępnego trenowania detektorów i rozpoznawaczy (odniesienie kod i dane).
Konkursy pod parasolem Robust Reading ICDAR utrzymują ocenę w ryzach. Ostatnie zadania kładą nacisk na wykrywanie/odczyt od końca do końca i obejmują łączenie słów w frazy, z oficjalnym kodem raportującym precyzję/odwołanie/F-score, przecięcie nad sumą (IoU) i metryki odległości edycji na poziomie znaków — odzwierciedlając to, co praktycy powinni śledzić.
Formaty wyjściowe i dalsze wykorzystanie
OCR rzadko kończy się na czystym tekście. Archiwa i biblioteki cyfrowe preferują ALTO XML , ponieważ koduje on fizyczny układ (bloki/linie/słowa ze współrzędnymi) obok treści i dobrze współgra z opakowaniem METS. hOCR mikroformat, w przeciwieństwie do tego, osadza ten sam pomysł w HTML/CSS, używając klas takich jak ocr_line i ocrx_word, co ułatwia wyświetlanie, edycję i transformację za pomocą narzędzi internetowych. Tesseract udostępnia oba — np. generowanie hOCR lub przeszukiwalnych plików PDF bezpośrednio z CLI (przewodnik po wyjściu PDF); opakowania Pythona, takie jak pytesseract dodają wygody. Istnieją konwertery do tłumaczenia między hOCR a ALTO, gdy repozytoria mają stałe standardy przyjmowania — zobacz tę wyselekcjonowaną listę narzędzi formatu plików OCR.
Praktyczne wskazówki
- Zacznij od danych i czystości. Jeśli Twoje obrazy to zdjęcia z telefonu lub skany o mieszanej jakości, zainwestuj w progowanie (adaptacyjne i Otsu) i prostowanie (Hough) przed jakimkolwiek dostrajaniem modelu. Często zyskasz więcej dzięki solidnemu przepisowi na przetwarzanie wstępne niż dzięki wymianie rozpoznawaczy.
- Wybierz odpowiedni detektor. W przypadku zeskanowanych stron z regularnymi kolumnami wystarczający może być segmentator stron (strefy → linie); w przypadku obrazów naturalnych detektory jednokrotne, takie jak EAST są silnymi punktami odniesienia i można je podłączyć do wielu zestawów narzędzi (przykład OpenCV).
- Wybierz rozpoznawacz pasujący do Twojego tekstu. W przypadku drukowanego tekstu łacińskiego Tesseract (LSTM/OEM) jest solidny i szybki; w przypadku wielu pism lub szybkich prototypów EasyOCR jest produktywny; w przypadku pisma ręcznego lub historycznych krojów pisma rozważ Kraken lub Calamari i zaplanuj dostrajanie. Jeśli potrzebujesz ścisłego powiązania ze zrozumieniem dokumentów (ekstrakcja klucz-wartość, VQA), oceń TrOCR (OCR) w porównaniu z Donut (bez OCR) na swoim schemacie — Donut może usunąć cały krok integracji.
- Mierz to, co ma znaczenie. W przypadku systemów od końca do końca raportuj wykrywanie F-score i rozpoznawanie CER/WER (oba oparte na odległości edycji Levenshteina ; zobacz CTC); w przypadku zadań z dużą ilością układu śledź IoU/ciasność i znormalizowaną odległość edycji na poziomie znaków, jak w zestawach ewaluacyjnych ICDAR RRC .
- Eksportuj bogate wyniki. Preferuj hOCR /ALTO (lub oba), aby zachować współrzędne i kolejność czytania — kluczowe dla podświetlania trafień wyszukiwania, ekstrakcji tabel/pól i pochodzenia. CLI Tesseracta i pytesseract sprawiają, że jest to jedno polecenie.
Patrząc w przyszłość
Najsilniejszym trendem jest konwergencja: wykrywanie, rozpoznawanie, modelowanie języka, a nawet dekodowanie specyficzne dla zadania łączą się w zunifikowane stosy Transformerów. Wstępne trenowanie na dużych korpusach syntetycznych pozostaje mnożnikiem siły. Modele bez OCR będą agresywnie konkurować wszędzie tam, gdzie celem są ustrukturyzowane wyniki, a nie dosłowne transkrypcje. Spodziewaj się również wdrożeń hybrydowych: lekkiego detektora plus rozpoznawacza w stylu TrOCR dla długiego tekstu i modelu w stylu Donut dla formularzy i paragonów.
Dalsza lektura i narzędzia
Tesseract (GitHub) · Dokumentacja Tesseract · Specyfikacja hOCR · Tło ALTO · Detektor EAST · Wykrywanie tekstu OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Pismo ręczne IAM · Narzędzia formatu plików OCR · EasyOCR
Często zadawane pytania
Czym jest OCR?
Optical Character Recognition (OCR) to technologia używana do konwersji różnych rodzajów dokumentów, takich jak zeskanowane dokumenty papierowe, pliki PDF lub obrazy zrobione cyfrowym aparatem fotograficznym, na edytowalne i przeszukiwalne dane.
Jak działa OCR?
OCR działa poprzez skanowanie obrazu wejściowego lub dokumentu, segmentację obrazu na indywidualne znaki, a następnie porównanie każdego znaku z bazą danych kształtów znaków za pomocą rozpoznawania wzorców lub rozpoznawania cech.
Jakie są praktyczne zastosowania OCR?
OCR jest używany w różnych sektorach i aplikacjach, w tym do digitalizacji wydrukowanych dokumentów, włączania usług tekst-na-mowę, automatyzacji procesów wprowadzania danych i pomocy osobom niewidomym w lepszej interakcji z tekstem.
Czy OCR jest zawsze w 100% dokładny?
Pomimo wielkiego postępu w technologii OCR, nie jest ona nieomylna. Dokładność może różnić się w zależności od jakości oryginalnego dokumentu i specyfiki używanego oprogramowania OCR.
Czy OCR rozpoznaje pismo odręczne?
Chociaż OCR jest głównie przeznaczony dla tekstu drukowanego, niektóre zaawansowane systemy OCR są także w stanie rozpoznać jasne, konsekwentne pismo odręczne. Jednak zazwyczaj rozpoznawanie pisma odręcznego jest mniej dokładne ze względu na dużą różnorodność indywidualnych stylów pisania.
Czy OCR obsługuje wiele języków?
Tak, wiele systemów oprogramowania OCR potrafi rozpoznawać wiele języków. Ważne jest jednak, aby upewnić się, że konkretny język jest obsługiwany przez oprogramowanie, którego używasz.
Jaka jest różnica między OCR a ICR?
OCR to skrót od Optical Character Recognition i służy do rozpoznawania tekstu drukowanego, natomiast ICR, czyli Intelligent Character Recognition, jest bardziej zaawansowany i służy do rozpoznawania tekstu pisanego odręcznie.
Czy OCR działa z dowolnym fontem i rozmiarem tekstu?
OCR najlepiej radzi sobie z czytelnymi, łatwymi do odczytania fontami i standardowymi rozmiarami tekstu. Chociaż może pracować z różnymi fontami i rozmiarami, dokładność zwykle maleje przy niecodziennych fontach lub bardzo małych rozmiarach tekstu.
Jakie są ograniczenia technologii OCR?
OCR może mieć problemy z dokumentami o niskiej rozdzielczości, złożonymi czcionkami, źle wydrukowanymi tekstami, pismem odręcznym oraz dokumentami z tłem, które przeszkadza w tekście. Ponadto, mimo że może obsługiwać wiele języków, nie jest w stanie idealnie pokryć wszystkich języków.
Czy OCR potrafi skanować kolorowy tekst lub tło?
Tak, OCR potrafi skanować kolorowy tekst i tło, choć zazwyczaj jest skuteczniejszy w przypadku wysokokontrastowych kombinacji kolorów, takich jak czarny tekst na białym tle. Dokładność może spadać, gdy kolor tekstu i tła nie tworzą wystarczającego kontrastu.
Jaki jest format HEIC?
Kontener obrazu wysokiej wydajności
Format obrazu HALD, choć nie jest szeroko rozpoznawany przez ogół społeczeństwa, odgrywa kluczową rolę w zaawansowanym przetwarzaniu obrazu i przepływach pracy związanych z gradacją kolorów. Jego podstawowa zasada polega na funkcjonowaniu jako neutralne odniesienie, które mapuje wszystkie możliwe wartości kolorów, które mogą być wyświetlane przez cyfrowy system obrazowania. To mapowanie jest osiągane poprzez unikalny wzór wizualny, który reprezentuje trójwymiarową przestrzeń kolorów w formacie dwuwymiarowym. Zasadniczo obraz HALD służy jako kompleksowa tabela wyszukiwania kolorów (LUT), umożliwiająca wydajną manipulację kolorami w szerokim zakresie zastosowań. Poprzez zastosowanie korekt do obrazu HALD, a następnie użycie zmodyfikowanego HALD jako LUT kolorów, profesjonaliści mogą osiągnąć spójne i przewidywalne transformacje kolorów w wielu obrazach lub filmach.
Pochodzenie nazwy „HALD” nie jest szeroko udokumentowane, co prowadzi do pewnej aury tajemnicy otaczającej jej powstanie. W praktyce format obrazu HALD reprezentuje ewolucję tabeli wyszukiwania kolorów (LUT), koncepcji, która odegrała kluczową rolę w gradacji kolorów i przetwarzaniu obrazu. W przeciwieństwie do tradycyjnych LUT, które są często ograniczone do określonego zakresu transformacji kolorów, obraz HALD zawiera reprezentację wszystkich możliwych transformacji kolorów w swojej siatce. To wyczerpujące ujęcie przestrzeni kolorów pozwala na niezrównany poziom kontroli i elastyczności w procesach gradacji kolorów.
Tworzenie obrazu HALD polega na wygenerowaniu wzoru, który zawiera każdy kolor w przestrzeni kolorów urządzenia co najmniej raz. Zazwyczaj osiąga się to poprzez podzielenie przestrzeni kolorów na siatkę, w której każda komórka reprezentuje unikalny kolor. Złożoność i rozmiar obrazu HALD mogą się różnić, ogólnie rosnąc wraz z precyzją wymaganej reprezentacji kolorów. Standardowy obraz HALD jest tworzony poprzez odwzorowanie trójwymiarowej przestrzeni kolorów (czerwony, zielony, niebieski) na dwuwymiarową płaszczyznę, organizując kolory w sposób, który może być łatwo przetwarzany przez oprogramowanie do edycji obrazu.
Praktyczne zastosowania obrazów HALD obejmują różne dziedziny, od filmu i fotografii po sztukę cyfrową i media drukowane. W postprodukcji filmów i wideo obrazy HALD są wykorzystywane do tworzenia LUT kolorów, które zapewniają spójność kolorów w różnych ujęciach lub scenach. Fotografowie wykorzystują obrazy HALD do stosowania spójnych profili kolorów do partii obrazów, co znacznie skraca czas wymagany na ręczną korekcję kolorów. W dziedzinie sztuki cyfrowej obrazy HALD ułatwiają tworzenie unikalnych profili kolorów, które można zastosować do cyfrowych płócien w celu zwiększenia ekspresji artystycznej.
Jedną z głównych zalet formatu obrazu HALD jest nieniszcząca natura korekt kolorów dokonywanych przy jego użyciu. Ponieważ transformacje kolorów są stosowane przy użyciu LUT pochodzącego z obrazu HALD, a nie bezpośrednio do oryginalnego obrazu, podstawowe dane oryginalnego obrazu pozostają niezmienione. Pozwala to na łatwe poprawki i eksperymentowanie z różnymi gradacjami kolorów bez uszczerbku dla jakości oryginalnego obrazu. Ponadto zastosowanie gradacji kolorów za pomocą LUT opartego na HALD jest często szybsze niż ręczna korekcja kolorów, usprawniając przepływ pracy postprodukcji.
Techniczne tworzenie obrazu HALD wymaga specjalistycznego oprogramowania zdolnego do generowania złożonej siatki reprezentującej przestrzeń kolorów. Proces ten rozpoczyna się od zdefiniowania wymiarów obrazu HALD, które określają zakres kolorów, które może reprezentować. Następnie przestrzeń kolorów jest dyskretyzowana na serię sześcianów, z których każdy odpowiada określonemu kolorowi. Te sześciany są spłaszczane do dwuwymiarowej siatki, tworząc obraz HALD. Precyzja reprezentacji kolorów w obrazie HALD jest wprost proporcjonalna do jego rozdzielczości, przy czym wyższe rozdzielczości umożliwiają bardziej szczegółową gradację kolorów.
Aby użyć obrazu HALD do gradacji kolorów, pierwszym krokiem jest zastosowanie pożądanych korekt kolorów do samego obrazu HALD. Można to zrobić za pomocą dowolnego standardowego oprogramowania do edycji obrazu, umożliwiając dostosowanie balansu kolorów, kontrastu, nasycenia i innych. Po dokonaniu korekt edytowany obraz HALD jest konwertowany do LUT. Ten LUT można następnie zastosować do innych obrazów lub materiałów wideo, replikując korekty kolorów we wszystkich materiałach wizualnych. Rezultatem jest spójna i zharmonizowana gradacja kolorów, która poprawia ogólną estetykę projektu.
Pomimo wielu zalet, należy wziąć pod uwagę pewne kwestie podczas pracy z obrazami HALD. Jakość i precyzja gradacji kolorów możliwej do osiągnięcia za pomocą obrazów HALD zależą od rozdzielczości samego obrazu HALD. Obrazy HALD o wyższej rozdzielczości umożliwiają bardziej szczegółową gradację kolorów, ale wymagają również większej mocy obliczeniowej i miejsca do przechowywania. Ponadto skuteczność LUT opartego na HALD w osiąganiu pożądanej gradacji kolorów może się różnić w zależności od profilu kolorów oryginalnej treści i warunków oświetleniowych, co wymaga dostosowań lub dostosowań obrazu HALD lub LUT.
Integracja obrazów HALD do cyfrowego przepływu pracy może znacznie zwiększyć wydajność i jakość procesów gradacji kolorów. Na przykład w produkcji filmowej utworzenie serii obrazów HALD dostosowanych do różnych warunków oświetleniowych i ustawień kamery może ułatwić szybką gradację kolorów w różnych scenach. W fotografii wygenerowanie obrazu HALD specyficznego dla profilu kolorów aparatu może usprawnić proces korekcji kolorów dla dużej partii zdjęć, zapewniając jednolitość i oszczędzając cenny czas. Co więcej, w kontekstach, w których dokładność kolorów jest najważniejsza, takich jak obrazowanie medyczne lub reprezentacja kolorów marki, obrazy HALD oferują narzędzie do osiągnięcia precyzyjnej kalibracji kolorów.
Potencjał obrazów HALD wykracza poza ich obecne zastosowania. W miarę wzrostu mocy obliczeniowej i rozwoju oprogramowania możliwości wykorzystania obrazów HALD w kreatywnych i technicznych przedsięwzięciach będą się rozszerzać. Przyszłe osiągnięcia mogą obejmować bardziej intuicyjne narzędzia programowe do generowania i edycji obrazów HALD, ulepszone algorytmy zapewniające dokładniejszą reprezentację kolorów oraz szersze zastosowanie w branżach, w których wierność kolorów ma kluczowe znaczenie. Ponadto integracja sztucznej inteligencji w przetwarzaniu obrazów HALD mogłaby zautomatyzować i udoskonalić proces gradacji kolorów, czyniąc go bardziej dostępnym zarówno dla początkujących, jak i profesjonalistów.
Jednak rozpowszechnienie technologii HALD niesie ze sobą również wyzwania, szczególnie w zakresie standaryzacji i interoperacyjności. W miarę jak różni producenci oprogramowania i sprzętu przyjmują technologię HALD, zapewnienie kompatybilności między platformami i urządzeniami staje się kluczowe. Bez standaryzowanych formatów i procedur tworzenia, edycji i stosowania obrazów HALD użytkownicy mogą mieć trudności z osiągnięciem spójnych rezultatów. Rozwiązanie tych wyzwań będzie wymagało współpracy między interesariuszami branży w celu ustanowienia wspólnych standardów, które ułatwią bezproblemowe wykorzystanie obrazów HALD w różnych zastosowaniach.
Kolejną znaczącą przeszkodą w powszechnym przyjęciu obrazów HALD jest edukacja i świadomość. Pomimo technicznych zalet oferowanych przez obrazy HALD, ich złożoność i specjalistyczna wiedza wymagana do ich skutecznego generowania i używania mogą być zniechęcające dla wielu potencjalnych użytkowników. Aby przezwyciężyć tę barierę, niezbędne jest opracowanie kompleksowych zasobów edukacyjnych i przyjaznych dla użytkownika interfejsów oprogramowania. Poprzez uproszczenie procesu pracy z obrazami HALD i zapewnienie jasnych, dostępnych wskazówek producenci i twórcy oprogramowania mogą poszerzyć atrakcyjność tego potężnego narzędzia.
Podsumowując, format obrazu HALD stanowi znaczący postęp w cyfrowym przetwarzaniu obrazu, oferując niezrównaną elastyczność i precyzję w gradacji kolorów. Jego zdolność do ujęcia całej przestrzeni kolorów w jednym, nieniszczą
Obsługiwane formaty
AAI.aai
Obraz AAI Dune
AI.ai
Adobe Illustrator CS2
AVIF.avif
Format plików obrazów AV1
BAYER.bayer
Surowy obraz Bayera
BMP.bmp
Obraz bitmapy Microsoft Windows
CIN.cin
Plik obrazu Cineon
CLIP.clip
Maska klipu obrazu
CMYK.cmyk
Surowe próbki cyjanu, magenty, żółtego i czarnego
CUR.cur
Ikona Microsoftu
DCX.dcx
ZSoft IBM PC wielostronicowy Paintbrush
DDS.dds
Powierzchnia DirectDraw Microsoftu
DPX.dpx
Obraz SMTPE 268M-2003 (DPX 2.0)
DXT1.dxt1
Powierzchnia DirectDraw Microsoftu
EPDF.epdf
Załączony format dokumentu przenośnego
EPI.epi
Format wymiany Adobe Encapsulated PostScript
EPS.eps
Adobe Encapsulated PostScript
EPSF.epsf
Adobe Encapsulated PostScript
EPSI.epsi
Format wymiany Adobe Encapsulated PostScript
EPT.ept
Encapsulated PostScript z podglądem TIFF
EPT2.ept2
Encapsulated PostScript Level II z podglądem TIFF
EXR.exr
Obraz o wysokim zakresie dynamiki (HDR)
FF.ff
Farbfeld
FITS.fits
Elastyczny system transportu obrazów
GIF.gif
Format wymiany grafiki CompuServe
HDR.hdr
Obraz o wysokim zakresie dynamiki
HEIC.heic
Kontener obrazu wysokiej wydajności
HRZ.hrz
Slow Scan TeleVision
ICO.ico
Ikona Microsoftu
ICON.icon
Ikona Microsoftu
J2C.j2c
Strumień kodu JPEG-2000
J2K.j2k
Strumień kodu JPEG-2000
JNG.jng
Grafika sieciowa JPEG
JP2.jp2
Składnia formatu plików JPEG-2000
JPE.jpe
Format JFIF Joint Photographic Experts Group
JPEG.jpeg
Format JFIF Joint Photographic Experts Group
JPG.jpg
Format JFIF Joint Photographic Experts Group
JPM.jpm
Składnia formatu plików JPEG-2000
JPS.jps
Format JPS Joint Photographic Experts Group
JPT.jpt
Składnia formatu plików JPEG-2000
JXL.jxl
Obraz JPEG XL
MAP.map
Baza danych obrazów wielorozdzielczościowych (MrSID)
MAT.mat
Format obrazu MATLAB level 5
PAL.pal
Pikselmapa Palm
PALM.palm
Pikselmapa Palm
PAM.pam
Powszechny format bitmapy 2-wymiarowej
PBM.pbm
Przenośny format bitmapy (czarno-biały)
PCD.pcd
Photo CD
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Format ImageViewer bazy danych Palm
PDF.pdf
Przenośny format dokumentu
PDFA.pdfa
Format archiwum przenośnego dokumentu
PFM.pfm
Przenośny format float
PGM.pgm
Przenośny format szarej mapy (szarej skali)
PGX.pgx
Nieskompresowany format JPEG 2000
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Format JFIF Grupy Ekspertów Fotografii Wspólnych
PNG.png
Przenośna grafika sieciowa
PNG00.png00
PNG dziedziczący głębię bitów, typ koloru z oryginalnego obrazu
PNG24.png24
Nieprzezroczysty lub binarnie przezroczysty 24-bitowy RGB (zlib 1.2.11)
PNG32.png32
Nieprzezroczysty lub binarnie przezroczysty 32-bitowy RGBA
PNG48.png48
Nieprzezroczysty lub binarnie przezroczysty 48-bitowy RGB
PNG64.png64
Nieprzezroczysty lub binarnie przezroczysty 64-bitowy RGBA
PNG8.png8
Nieprzezroczysty lub binarnie przezroczysty 8-bitowy indeksowany
PNM.pnm
Przenośna dowolna mapa
PPM.ppm
Przenośny format pikselmapy (kolor)
PS.ps
Plik Adobe PostScript
PSB.psb
Duży format dokumentu Adobe
PSD.psd
Bitmapa Adobe Photoshop
RGB.rgb
Surowe próbki czerwieni, zieleni i niebieskiego
RGBA.rgba
Surowe próbki czerwieni, zieleni, niebieskiego i alfa
RGBO.rgbo
Surowe próbki czerwieni, zieleni, niebieskiego i krycia
SIX.six
Format grafiki DEC SIXEL
SUN.sun
Rasterfile Sun
SVG.svg
Skalowalna grafika wektorowa
TIFF.tiff
Format pliku obrazu z tagami
VDA.vda
Obraz Truevision Targa
VIPS.vips
Obraz VIPS
WBMP.wbmp
Obraz bitmapy bezprzewodowej (poziom 0)
WEBP.webp
Format obrazu WebP
YUV.yuv
CCIR 601 4:1:1 lub 4:2:2
Często zadawane pytania
Jak to działa?
Ten konwerter działa w całości w Twojej przeglądarce. Po wybraniu pliku jest on wczytywany do pamięci i konwertowany do wybranego formatu. Następnie możesz pobrać przekonwertowany plik.
Ile czasu zajmuje konwersja pliku?
Konwersje rozpoczynają się natychmiast, a większość plików jest konwertowana w mniej niż sekundę. Większe pliki mogą zająć więcej czasu.
Co dzieje się z moimi plikami?
Twoje pliki nigdy nie są przesyłane na nasze serwery. Są one konwertowane w Twojej przeglądarce, a następnie pobierany jest przekonwertowany plik. Nigdy nie widzimy Twoich plików.
Jakie typy plików mogę konwertować?
Obsługujemy konwersję między wszystkimi formatami obrazów, w tym JPEG, PNG, GIF, WebP, SVG, BMP, TIFF i innymi.
Ile to kosztuje?
Ten konwerter jest całkowicie darmowy i zawsze będzie darmowy. Ponieważ działa w Twojej przeglądarce, nie musimy płacić za serwery, więc nie musimy pobierać od Ciebie opłat.
Czy mogę konwertować wiele plików jednocześnie?
Tak! Możesz konwertować dowolną liczbę plików jednocześnie. Wystarczy wybrać wiele plików podczas ich dodawania.