OCR bất kỳ JPT nào
Kéo và thả hoặc nhấp chuột để chọn
Riêng tư và an toàn
Mọi thứ xảy ra trong trình duyệt của bạn. Các tệp của bạn không bao giờ chạm vào máy chủ của chúng tôi.
Nhanh như chớp
Không tải lên, không chờ đợi. Chuyển đổi ngay khi bạn thả một tệp.
Thực sự miễn phí
Không cần tài khoản. Không có chi phí ẩn. Không có thủ thuật kích thước tệp.
Nhận dạng ký tự quang học (OCR) biến hình ảnh văn bản—bản quét, ảnh chụp từ điện thoại thông minh, PDF—thành các chuỗi máy có thể đọc được và, ngày càng nhiều, dữ liệu có cấu trúc. OCR hiện đại là một quy trình làm sạch hình ảnh, tìm văn bản, đọc nó và xuất siêu dữ liệu phong phú để các hệ thống hạ nguồn có thể tìm kiếm, lập chỉ mục hoặc trích xuất các trường. Hai tiêu chuẩn đầu ra được sử dụng rộng rãi là hOCR, một định dạng vi mô HTML cho văn bản và bố cục, và ALTO XML, một lược đồ hướng thư viện/lưu trữ; cả hai đều bảo toàn vị trí, thứ tự đọc và các tín hiệu bố cục khác và được hỗ trợ bởi các công cụ phổ biến như Tesseract.
M ột chuyến tham quan nhanh về quy trình
Tiền xử lý. Chất lượng OCR bắt đầu bằng việc dọn dẹp hình ảnh: chuyển đổi thang độ xám, khử nhiễu, ngưỡng (nhị phân hóa), và chỉnh lệch. Các hướng dẫn OpenCV kinh điển bao gồm toàn cục, thích ứng và Otsu ngưỡng—những yếu tố chính cho các tài liệu có ánh sáng không đồng đều hoặc biểu đồ hai mode. Khi độ sáng thay đổi trong một trang (hãy nghĩ đến ảnh chụp bằng điện thoại), các phương pháp thích ứng thường hoạt động tốt hơn một ngưỡng toàn cục duy nhất; Otsu tự động chọn một ngưỡng bằng cách phân tích biểu đồ. Chỉnh sửa độ nghiêng cũng quan trọng không kém: chỉnh lệch dựa trên Hough (Biến đổi dòng Hough) kết hợp với nhị phân hóa Otsu là một công thức phổ biến và hiệu quả trong các quy trình tiền xử lý sản xuất.
Phát hiện và nhận dạng. OCR thường được chia thành phát hiện văn bản (văn bản ở đâu ?) và nhận dạng văn bản (nó nói gì?). Trong các cảnh tự nhiên và nhiều bản quét, các bộ phát hiện tích chập hoàn toàn như EAST dự đoán hiệu quả các tứ giác ở cấp độ từ hoặc dòng mà không cần các giai đoạn đề xuất nặng nề và được triển khai trong các bộ công cụ phổ biến (ví dụ: hướng dẫn phát hiện văn bản của OpenCV). Trên các trang phức tạp (báo, biểu mẫu, sách), việc phân đoạn các dòng/vùng và suy luận thứ tự đọc rất quan trọng:Kraken triển khai phân đoạn vùng/dòng truyền thống và phân đoạn đường cơ sở thần kinh, với sự hỗ trợ rõ ràng cho các tập lệnh và hướng khác nhau (LTR/RTL/dọc).
Mô hình nhận dạng. Công cụ mã nguồn mở cổ điển Tesseract (do Google mở nguồn, có nguồn gốc từ HP) đã phát triển từ một bộ phân loại ký tự thành một bộ nhận dạng chuỗi dựa trên LSTM và có thể phát hành các tệp PDF có thể tìm kiếm, đầu ra thân thiện với hOCR/ALTO, và nhiều hơn nữa từ CLI. Các bộ nhận dạng hiện đại dựa vào mô hình hóa chuỗi mà không cần các ký tự được phân đoạn trước. Phân loại thời gian kết nối (CTC) vẫn là nền tảng, học các sự sắp xếp giữa các chuỗi đặc trưng đầu vào và chuỗi nhãn đầu ra; nó được sử dụng rộng rãi trong các quy trình xử lý chữ viết tay và văn bản cảnh.
Trong vài năm qua, Transformers đã định hình lại OCR. TrOCR sử dụng một bộ mã hóa Vision Transformer cộng với một bộ giải mã Text Transformer, được đào tạo trên các kho ngữ liệu tổng hợp lớn sau đó được tinh chỉnh trên dữ liệu thực, với hiệu suất mạnh mẽ trên các tiêu chuẩn văn bản in, viết tay và cảnh (xem thêm tài liệu Hugging Face). Song song đó, một số hệ thống bỏ qua OCR để hiểu biết hạ nguồn: Donut (Document Understanding Transformer) là một bộ mã hóa-giải mã không có OCR, trực tiếp xuất ra các câu trả lời có cấu trúc (như JSON khóa-giá trị) từ tài liệu hình ảnh (repo, thẻ mô hình), tránh tích lũy lỗi khi một bước OCR riêng biệt cung cấp cho một hệ thống IE.
Công cụ và thư viện
Nếu bạn muốn đọc văn bản có sẵn trên nhiều tập lệnh, EasyOCR cung cấp một API đơn giản với hơn 80 mô hình ngôn ngữ, trả về các hộp, văn bản và độ tin cậy—tiện dụng cho các nguyên mẫu và các tập lệnh không phải tiếng Latinh. Đối với các tài liệu lịch sử, Kraken tỏa sáng với phân đoạn đường cơ sở và thứ tự đọc nhận biết tập lệnh; để đào tạo cấp dòng linh hoạt, Calamari xây dựng trên dòng dõi Ocropy (Ocropy) với các bộ nhận dạng (đa)LSTM+CTC và một CLI để tinh chỉnh các mô hình tùy chỉnh.
Bộ dữ liệu và tiêu chuẩn
Sự khái quát hóa phụ thuộc vào dữ liệu. Đối với chữ viết tay, Cơ sở dữ liệu chữ viết tay IAM cung cấp các câu tiếng Anh đa dạng về người viết để đào tạo và đánh giá; đó là một bộ tham chiếu lâu đời cho nhận dạng dòng và từ. Đối với văn bản cảnh, COCO-Text đã xếp lớp các chú thích mở rộng trên MS-COCO, với các nhãn cho văn bản in/viết tay, dễ đọc/khó đọc, tập lệnh và bản ghi đầy đủ (xem thêm trang dự án ban đầu). Lĩnh vực này cũng phụ thuộc nhiều vào việc đào tạo trước tổng hợp: SynthText in the Wild kết xuất văn bản thành các bức ảnh với hình học và ánh sáng thực tế, cung cấp khối lượng dữ liệu khổng lồ để đào tạo trước các bộ phát hiện và nhận dạng (tham khảo mã và dữ liệu).
Các cuộc thi dưới chiếc ô Đọc mạnh mẽ của ICDAR giữ cho việc đánh giá có cơ sở. Các nhiệm vụ gần đây nhấn mạnh việc phát hiện/đọc từ đầu đến cuối và bao gồm việc liên kết các từ thành các cụm từ, với mã chính thức báo cáo độ chính xác/độ thu hồi/F-score, giao nhau trên hợp nhất (IoU), và các số liệu khoảng cách chỉnh sửa cấp ký tự—phản ánh những gì các nhà thực hành nên theo dõi.
Định dạng đầu ra và sử dụng hạ nguồn
OCR hiếm khi kết thúc ở văn bản thuần túy. Các kho lưu trữ và thư viện số thích ALTO XML vì nó mã hóa bố cục vật lý (các khối/dòng/từ có tọa độ) cùng với nội dung, và nó kết hợp tốt với bao bì METS. hOCR định dạng vi mô, ngược lại, nhúng cùng một ý tưởng vào HTML/CSS bằng cách sử dụng các lớp như ocr_line và ocrx_word, giúp dễ dàng hiển thị, chỉnh sửa và chuyển đổi bằng các công cụ web. Tesseract phơi bày cả hai—ví dụ: tạo hOCR hoặc PDF có thể tìm kiếm trực tiếp từ CLI (hướng dẫn xuất PDF); Các trình bao bọc Python như pytesseract thêm sự tiện lợi. Các bộ chuyển đổi tồn tại để dịch giữa hOCR và ALTO khi các kho lưu trữ có các tiêu chuẩn nhập liệu cố định —xem danh sách được tuyển chọn này của công cụ định dạng tệp OCR.
Hướng dẫn thực hành
- Bắt đầu với dữ liệu và sự sạch sẽ. Nếu hình ảnh của bạn là ảnh chụp từ điện thoại hoặc bản quét chất lượng hỗn hợp, hãy đầu tư vào việc xác định ngưỡng (thích ứng & Otsu) và chỉnh lệch (Hough) trước khi điều chỉnh bất kỳ mô hình nào. Bạn thường sẽ thu được nhiều lợi ích hơn từ một công thức tiền xử lý mạnh mẽ hơn là từ việc hoán đổi các bộ nhận dạng.
- Chọn đúng bộ phát hiện. Đối với các trang được quét có các cột thông thường, một bộ phân đoạn trang (vùng → dòng) có thể là đủ; đối với hình ảnh tự nhiên, các bộ phát hiện một lần như EAST là các đường cơ sở mạnh mẽ và cắm vào nhiều bộ công cụ (Ví dụ OpenCV).
- Chọn một bộ nhận dạng phù hợp với văn bản của bạn. Đối với tiếng Latinh in, Tesseract (LSTM/OEM) chắc chắn và nhanh chóng; đối với nhiều tập lệnh hoặc nguyên mẫu nhanh, EasyOCR hiệu quả; đối với chữ viết tay hoặc các kiểu chữ lịch sử, hãy xem xét Kraken hoặc Calamari và có kế hoạch tinh chỉnh. Nếu bạn cần kết hợp chặt chẽ với việc hiểu tài liệu (trích xuất khóa-giá trị, VQA), hãy đánh giá TrOCR (OCR) so với Donut (không có OCR) trên lược đồ của bạn—Donut có thể loại bỏ toàn bộ một bước tích hợp.
- Đo lường những gì quan trọng. Đối với các hệ thống từ đầu đến cuối, hãy báo cáo phát hiện F-score và nhận dạng CER/WER (cả hai đều dựa trên khoảng cách chỉnh sửa Levenshtein ; xem CTC); đối với các tác vụ nặng về bố cục, hãy theo dõi IoU/độ chặt và khoảng cách chỉnh sửa được chuẩn hóa ở cấp ký tự như trong bộ đánh giá ICDAR RRC .
- Xuất các đầu ra phong phú. Ưu tiên hOCR /ALTO (hoặc cả hai) để bạn giữ lại tọa độ và thứ tự đọc—rất quan trọng để làm nổi bật kết quả tìm kiếm, trích xuất bảng/trường , và nguồn gốc. CLI của Tesseract và pytesseract làm cho điều này trở thành một dòng lệnh.
Hướng tới tương lai
Xu hướng mạnh mẽ nhất là sự hội tụ: phát hiện, nhận dạng, mô hình hóa ngôn ngữ và thậm chí cả giải mã cho tác vụ cụ thể đang hợp nhất thành các ngăn xếp Transformer thống nhất. Đào tạo trước trên các kho ngữ liệu tổng hợp lớn vẫn là một hệ số nhân. Các mô hình không có OCR sẽ cạnh tranh quyết liệt ở bất cứ đâu mục tiêu là các đầu ra có cấu trúc thay vì các bản ghi nguyên văn. Cũng mong đợi các triển khai kết hợp: một bộ phát hiện nhẹ cộng với một bộ nhận dạng kiểu TrOCR cho văn bản dạng dài, và một mô hình kiểu Donut cho các biểu mẫu và biên lai.
Đọc thêm và công cụ
Tesseract (GitHub) · Tài liệu Tesseract · Thông số kỹ thuật hOCR · Nền tảng ALTO · Bộ phát hiện EAST · Phát hiện văn bản OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Chữ viết tay IAM · Công cụ định dạng tệp OCR · EasyOCR
Câu hỏi thường gặp
OCR là gì?
Optical Character Recognition (OCR) là một công nghệ được sử dụng để chuyển đổi các loại tài liệu khác nhau, như tài liệu giấy đã quét, tệp PDF hoặc hình ảnh được chụp bằng máy ảnh số, thành dữ liệu có thể chỉnh sửa và tìm kiếm.
OCR hoạt động như thế nào?
OCR hoạt động bằng cách quét hình ảnh hoặc tài liệu đầu vào, phân đoạn hình ảnh thành các ký tự riêng lẻ, và so sánh từng ký tự với cơ sở dữ liệu hình dạng ký tự bằng cách sử dụng nhận dạng mô hình hoặc nhận dạng đặc trưng.
Ứng dụng thực tế của OCR là gì?
OCR được sử dụng trong nhiều lĩnh vực và ứng dụng, bao gồm số hóa tài liệu in, kích hoạt các dịch vụ văn bản thành giọng nói, tự động hóa quá trình nhập dữ liệu, và hỗ trợ người dùng khiếm thị tương tác tốt hơn với văn bản.
OCR luôn chính xác 100% không?
Mặc dù đã có những tiến bộ vượt bậc trong công nghệ OCR, nhưng nó không phải lúc nào cũng hoàn hảo. Độ chính xác có thể thay đổi tùy thuộc vào chất lượng của tài liệu gốc và chi tiết của phần mềm OCR đang được sử dụng.
OCR có nhận dạng được chữ viết tay không?
Mặc dù OCR chủ yếu được thiết kế cho văn bản in, một số hệ thống OCR tiên tiến cũng có thể nhận dạng được chữ viết tay rõ ràng, nhất quán. Tuy nhiên, nhận dạng chữ viết tay thường kém chính xác hơn do sự biến đổi lớn trong các kiểu viết của mỗi người.
OCR có xử lý được nhiều ngôn ngữ không?
Có, nhiều hệ thống phần mềm OCR có thể nhận dạng được nhiều ngôn ngữ. Tuy nhiên, điều quan trọng là phải đảm bảo rằng ngôn ngữ cụ thể đó được hỗ trợ bởi phần mềm bạn đang sử dụng.
Sự khác biệt giữa OCR và ICR là gì?
OCR là viết tắt của Optical Character Recognition và được sử dụng để nhận dạng văn bản in, trong khi ICR, hoặc Intelligent Character Recognition, tiên tiến hơn và được sử dụng để nhận dạng văn bản viết tay.
OCR hoạt động với bất kỳ phông chữ và kích cỡ văn bản nào không?
OCR hoạt động tốt nhất với các phông chữ rõ ràng, dễ đọc và kích cỡ văn bản chuẩn. Mặc dù nó có thể hoạt động với các phông chữ và kích cỡ khác nhau, độ chính xác thường giảm khi đối phó với phông chữ không thông thường hoặc kích cỡ văn bản rất nhỏ.
Những hạn chế của công nghệ OCR là gì?
OCR có thể gặp khó khăn với các tài liệu độ phân giải thấp, phông chữ phức tạp, văn bản in kém, chữ viết tay, và các tài liệu có nền gây ra sự can thiệp với văn bản. Ngoài ra, mặc dù nó có thể hoạt động với nhiều ngôn ngữ, nó có thể không bao phủ hoàn hảo mọi ngôn ngữ.
OCR có quét được văn bản màu hoặc nền màu không?
Có, OCR có thể quét văn bản màu và nền màu, mặc dù nó thường hiệu quả hơn với các sự kết hợp màu đối lập cao, như văn bản đen trên nền trắng. Độ chính xác có thể giảm khi màu văn bản và màu nền không có đủ độ tương phản.
Định dạng JPT là gì?
Cú pháp định dạng tệp JPEG-2000
JPS ảnh định dạng, viết tắt của JPEG Stereo, là một định dạng tập tin được sử dụng để lưu trữ ảnh lập thể được chụp bởi máy ảnh kỹ thuật số hoặc được tạo ra bởi phần mềm kết xuất 3D. Về cơ bản, nó là một sự sắp xếp song song của hai ảnh JPEG trong một tệp duy nhất, khi xem qua phần mềm hoặc phần cứng thích hợp, sẽ cung cấp hiệu ứng 3D. Định dạng này đặc biệt hữu ích để tạo ra ảo giác về chiều sâu trong hình ảnh, giúp nâng cao trải nghiệm xem cho người dùng có hệ thống hiển thị tương thích hoặc kính 3D.
Định dạng JPS tận dụng kỹ thuật nén JPEG (Nhóm chuyên gia nhiếp ảnh chung) đã được thiết lập tốt để lưu trữ hai hình ảnh. JPEG là một phương pháp nén có mất mát, có nghĩa là nó làm giảm kích thước tệp bằng cách loại bỏ chọn lọc thông tin ít quan trọng hơn, thường không làm giảm đáng kể chất lượng hình ảnh đối với mắt người. Điều này làm cho các tệp JPS tương đối nhỏ và dễ quản lý, mặc dù chứa hai hình ảnh thay vì một.
Một tệp JPS về cơ bản là một tệp JPEG có cấu trúc cụ thể. Nó chứa hai hình ảnh được nén JPEG cạnh nhau trong một khung hình duy nhất. Những hình ảnh này được gọi là hình ảnh mắt trái và mắt phải và chúng đại diện cho các góc nhìn hơi khác nhau của cùng một cảnh, bắt chước sự khác biệt nhỏ giữa những gì mỗi mắt của chúng ta nhìn thấy. Sự khác biệt này là thứ cho phép nhận thức về chiều sâu khi các hình ảnh được xem chính xác.
Độ phân giải tiêu chuẩn cho một hình ảnh JPS thường gấp đôi chiều rộng của một hình ảnh JPEG tiêu chuẩn để chứa cả hình ảnh bên trái và bên phải. Ví dụ: nếu một hình ảnh JPEG tiêu chuẩn có độ phân giải 1920x1080 pixel, thì một hình ảnh JPS sẽ có độ phân giải 3840x1080 pixel, với mỗi hình ảnh cạnh nhau chiếm một nửa tổng chiều rộng. Tuy nhiên, độ phân giải có thể thay đổi tùy thuộc vào nguồn của hình ảnh và mục đích sử dụng.
Để xem hình ảnh JPS ở chế độ 3D, người xem phải sử dụng thiết bị hiển thị hoặc phần mềm tương thích có thể giải thích các hình ảnh cạnh nhau và trình bày chúng cho từng mắt một cách riêng biệt. Điều này có thể đạt được thông qua nhiều phương pháp khác nhau, chẳng hạn như 3D anaglyph, trong đó các hình ảnh được lọc theo màu và xem bằng kính màu; 3D phân cực, trong đó các hình ảnh được chiếu qua các bộ lọc phân cực và xem bằng kính phân cực; hoặc màn trập chủ động 3D, trong đó các hình ảnh được hiển thị xen kẽ và đồng bộ hóa với kính màn trập mở và đóng nhanh chóng để hiển thị cho mỗi mắt hình ảnh chính xác.
Cấu trúc tệp của hình ảnh JPS tương tự như cấu trúc của tệp JPEG tiêu chuẩn. Nó chứa một tiêu đề, bao gồm đánh dấu SOI (Bắt đầu hình ảnh), theo sau là một loạt các phân đoạn chứa nhiều phần siêu dữ liệu và chính dữ liệu hình ảnh. Các phân đoạn bao gồm các đánh dấu APP (Ứng dụng), có thể chứa thông tin như siêu dữ liệu Exif và phân đoạn DQT (Xác định bảng lượng tử hóa), xác định các bảng lượng tử hóa được sử dụng để nén dữ liệu hình ảnh.
Một trong những phân đoạn chính trong tệp JPS là phân đoạn JFIF (Định dạng trao đổi tệp JPEG), chỉ định rằng tệp tuân theo tiêu chuẩn JFIF. Phân đoạn này rất quan trọng để đảm bảo khả năng tương thích với nhiều phần mềm và phần cứng khác nhau. Nó cũng bao gồm thông tin như tỷ lệ khung hình và độ phân giải của hình ảnh thu nhỏ, có thể được sử dụng để xem trước nhanh.
Dữ liệu h ình ảnh thực tế trong tệp JPS được lưu trữ trong phân đoạn SOS (Bắt đầu quét), theo sau các phân đoạn tiêu đề và siêu dữ liệu. Phân đoạn này chứa dữ liệu hình ảnh được nén cho cả hình ảnh bên trái và bên phải. Dữ liệu được mã hóa bằng thuật toán nén JPEG, bao gồm một loạt các bước bao gồm chuyển đổi không gian màu, lấy mẫu phụ, biến đổi cosin rời rạc (DCT), lượng tử hóa và mã hóa entropy.
Chuyển đổi không gian màu là quá trình chuyển đổi dữ liệu hình ảnh từ không gian màu RGB, thường được sử dụng trong máy ảnh kỹ thuật số và màn hình máy tính, sang không gian màu YCbCr, được sử dụng trong nén JPEG. Chuyển đổi này tách hình ảnh thành một thành phần độ sáng (Y), biểu thị mức độ sáng và hai thành phần sắc độ (Cb và Cr), biểu thị thông tin màu sắc. Điều này có lợi cho việc nén vì mắt người nhạy cảm hơn với những thay đổi về độ sáng so với màu sắc, cho phép nén mạnh hơn các thành phần sắc độ mà không ảnh hưởng đáng kể đến chất lượng hình ảnh được nhận thức.
Lấy mẫu phụ là một quá trình tận dụng độ nhạy thấp hơn của mắt người đối với chi tiết màu sắc bằng cách giảm độ phân giải của các thành phần sắc độ so với thành phần độ sáng. Các tỷ lệ lấy mẫu phụ phổ biến bao gồm 4:4:4 (không lấy mẫu phụ), 4:2:2 (giảm độ phân giải ngang của sắc độ xuống một nửa) và 4:2:0 (giảm cả độ phân giải ngang và dọc của sắc độ xuống một nửa). Việc lựa chọn tỷ lệ lấy mẫu phụ có thể ảnh hưởng đến sự cân bằng giữa chất lượng hình ảnh và kích thước tệp.
Biến đổi cosin rời rạc (DCT) được áp dụng cho các kh ối nhỏ của hình ảnh (thường là 8x8 pixel) để chuyển đổi dữ liệu miền không gian thành miền tần số. Bước này rất quan trọng đối với nén JPEG vì nó cho phép tách các chi tiết hình ảnh thành các thành phần có tầm quan trọng khác nhau, với các thành phần tần số cao hơn thường ít nhận biết hơn đối với mắt người. Các thành phần này sau đó có thể được lượng tử hóa hoặc giảm độ chính xác để đạt được độ nén.
Lượng tử hóa là quá trình ánh xạ một phạm vi giá trị thành một giá trị lượng tử duy nhất, về cơ bản làm giảm độ chính xác của các hệ số DCT. Đây là nơi bản chất có mất mát của nén JPEG phát huy tác dụng, vì một số thông tin hình ảnh bị loại bỏ. Mức độ lượng tử hóa được xác định bởi các bảng lượng tử hóa được chỉ định trong phân đoạn DQT và có thể được điều chỉnh để cân bằng chất lượng hình ảnh so với kích thước tệp.
Bước cuối cùng trong quá trình nén JPEG là mã hóa entropy, một dạng nén không mất dữ liệu. Phương pháp phổ biến nhất được sử dụng trong JPEG là mã hóa Huffman, gán các mã ngắn hơn cho các giá trị thường xuyên hơn và các mã dài hơn cho các giá trị ít thường xuyên hơn. Điều này làm giảm kích thước tổng thể của dữ liệu hình ảnh mà không làm mất thêm thông tin nào.
Ngoài các kỹ thuật nén JPEG tiêu chuẩn, định dạng JPS cũng có thể bao gồm siêu dữ liệu cụ thể liên quan đến bản chất lập thể của hình ảnh. Siêu dữ liệu này có thể bao gồm thông tin về cài đặt thị sai, điểm hội tụ và bất kỳ dữ liệu nào khác có thể cần thiết để hiển thị chính xác hiệu ứng 3D. Siêu dữ liệu này thường được lưu trữ trong các phân đoạn APP của tệp.
Định dạng JPS được hỗ trợ bởi nhiều ứng dụng phần mềm và thiết bị khác nhau, bao gồm TV 3D, tai nghe VR và trình xem ảnh chuyên dụng. Tuy nhiên, nó không được hỗ trợ rộng rãi như định dạng JPEG tiêu chuẩn, vì vậy người dùng có thể cần sử dụng phần mềm cụ thể hoặc chuyển đổi các tệp JPS sang định dạng khác để tương thích rộng hơn.
Một trong những thách thức với định dạng JPS là đảm bảo rằng các hình ảnh bên trái và bên phải được căn chỉnh chính xác và có thị sai chính xác. Căn chỉnh sai hoặc thị sai không chính xác có thể dẫn đến trải nghiệm xem khó chịu và có thể gây mỏi mắt hoặc đau đầu. Do đó, điều quan trọng đối với các nhiếp ảnh gia và nghệ sĩ 3D là phải cẩn thận chụp hoặc tạo hình ảnh với các thông số lập thể chính xác.
Tóm lại, định dạng hình ảnh JPS là một định dạng tệp chuyên dụng được thiết kế để lưu trữ và hiển thị hình ảnh lập thể. Nó dựa trên các kỹ thuật nén JPEG đã được thiết lập để tạo ra một cách nhỏ gọn và hiệu quả để lưu trữ ảnh 3D. Mặc dù mang lại trải nghiệm xem độc đáo, nhưng định dạng này yêu cầu phần cứng hoặc phần mềm tương thích để xem hình ảnh ở chế độ 3D và có thể gây ra những thách thức về căn chỉnh và thị sai. Bất chấp những thách thức này, định dạng JPS vẫn là một công cụ có giá trị đối với các nhiếp ảnh gia, nghệ sĩ 3D và những người đam mê muốn chụp và chia sẻ chiều sâu và tính chân thực của thế giới ở định dạng kỹ thuật số.
Định dạng được hỗ trợ
AAI.aai
Hình ảnh Dune AAI
AI.ai
Adobe Illustrator CS2
AVIF.avif
Định dạng tệp hình ảnh AV1
BAYER.bayer
Hình ảnh Bayer thô
BMP.bmp
Hình ảnh bitmap Microsoft Windows
CIN.cin
Tệp hình ảnh Cineon
CLIP.clip
Mặt nạ cắt hình ảnh
CMYK.cmyk
Mẫu thô màu xanh lam, đỏ mạnh, vàng và đen
CUR.cur
Biểu tượng Microsoft
DCX.dcx
ZSoft IBM PC Paintbrush đa trang
DDS.dds
Microsoft DirectDraw Surface
DPX.dpx
Hình ảnh SMTPE 268M-2003 (DPX 2.0)
DXT1.dxt1
Microsoft DirectDraw Surface
EPDF.epdf
Định dạng tài liệu di động được đóng gói
EPI.epi
Định dạng trao đổi PostScript được đóng gói của Adobe
EPS.eps
PostScript được đóng gói của Adobe
EPSF.epsf
PostScript được đóng gói của Adobe
EPSI.epsi
Định dạng trao đổi PostScript được đóng gói của Adobe
EPT.ept
PostScript được đóng gói với xem trước TIFF
EPT2.ept2
PostScript Level II được đóng gói với xem trước TIFF
EXR.exr
Hình ảnh phạm vi động cao (HDR)
FF.ff
Farbfeld
FITS.fits
Hệ thống vận chuyển hình ảnh linh hoạt
GIF.gif
Định dạng trao đổi đồ họa CompuServe
HDR.hdr
Hình ảnh phạm vi động cao
HEIC.heic
Container hình ảnh hiệu quả cao
HRZ.hrz
Slow Scan TeleVision
ICO.ico
Biểu tượng Microsoft
ICON.icon
Biểu tượng Microsoft
J2C.j2c
Dòng mã JPEG-2000
J2K.j2k
Dòng mã JPEG-2000
JNG.jng
Đồ họa mạng JPEG
JP2.jp2
Cú pháp định dạng tệp JPEG-2000
JPE.jpe
Định dạng JFIF của Nhóm chuyên gia hình ảnh liên hợp
JPEG.jpeg
Định dạng JFIF của Nhóm chuyên gia hình ảnh liên hợp
JPG.jpg
Định dạng JFIF của Nhóm chuyên gia hình ảnh liên hợp
JPM.jpm
Cú pháp định dạng tệp JPEG-2000
JPS.jps
Định dạng JPS của Nhóm chuyên gia hình ảnh liên hợp
JPT.jpt
Cú pháp định dạng tệp JPEG-2000
JXL.jxl
Hình ảnh JPEG XL
MAP.map
Cơ sở dữ liệu hình ảnh liền mạch đa phân giải (MrSID)
MAT.mat
Định dạng hình ảnh MATLAB level 5
PAL.pal
Pixmap Palm
PALM.palm
Pixmap Palm
PAM.pam
Định dạng bitmap 2 chiều phổ biến
PBM.pbm
Định dạng bitmap di động (đen và trắng)
PCD.pcd
CD Ảnh
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Định dạng ImageViewer cơ sở dữ liệu Palm
PDF.pdf
Định dạng tài liệu di động
PDFA.pdfa
Định dạng lưu trữ tài liệu di động
PFM.pfm
Định dạng float di động
PGM.pgm
Định dạng graymap di động (xám)
PGX.pgx
Định dạng không nén JPEG 2000
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Định dạng JFIF của Nhóm chuyên gia nhiếp ảnh liên hiệp
PNG.png
Đồ họa mạng di động
PNG00.png00
PNG kế thừa độ sâu bit, loại màu từ hình ảnh gốc
PNG24.png24
RGB 24 bit trong suốt hoặc nhị phân (zlib 1.2.11)
PNG32.png32
RGBA 32 bit trong suốt hoặc nhị phân
PNG48.png48
RGB 48 bit trong suốt hoặc nhị phân
PNG64.png64
RGBA 64 bit trong suốt hoặc nhị phân
PNG8.png8
8-bit chỉ mục trong suốt hoặc nhị phân
PNM.pnm
Anymap di động
PPM.ppm
Định dạng pixmap di động (màu)
PS.ps
Tệp Adobe PostScript
PSB.psb
Định dạng tài liệu lớn Adobe
PSD.psd
Bitmap Adobe Photoshop
RGB.rgb
Mẫu thô đỏ, xanh lá cây, và xanh dương
RGBA.rgba
Mẫu thô đỏ, xanh lá cây, xanh dương, và alpha
RGBO.rgbo
Mẫu thô đỏ, xanh lá cây, xanh dương, và độ mờ
SIX.six
Định dạng đồ họa DEC SIXEL
SUN.sun
Rasterfile Sun
SVG.svg
Đồ họa Vector có thể mở rộng
TIFF.tiff
Định dạng tệp hình ảnh được gắn thẻ
VDA.vda
Hình ảnh Truevision Targa
VIPS.vips
Hình ảnh VIPS
WBMP.wbmp
Hình ảnh Bitmap không dây (cấp độ 0)
WEBP.webp
Định dạng hình ảnh WebP
YUV.yuv
CCIR 601 4:1:1 hoặc 4:2:2
Câu hỏi thường gặp
Cái này hoạt động như thế nào?
Bộ chuyển đổi này chạy hoàn toàn trong trình duyệt của bạn. Khi bạn chọn một tệp, nó sẽ được đọc vào bộ nhớ và chuyển đổi sang định dạng đã chọn. Sau đó, bạn có thể tải xuống tệp đã chuyển đổi.
Mất bao lâu để chuyển đổi một tệp?
Việc chuyển đổi bắt đầu ngay lập tức và hầu hết các tệp được chuyển đổi trong vòng chưa đầy một giây. Các tệp lớn hơn có thể mất nhiều thời gian hơn.
Điều gì xảy ra với các tệp của tôi?
Các tệp của bạn không bao giờ được tải lên máy chủ của chúng tôi. Chúng được chuyển đổi trong trình duyệt của bạn và sau đó tệp đã chuyển đổi sẽ được tải xuống. Chúng tôi không bao giờ thấy các tệp của bạn.
Tôi có thể chuyển đổi những loại tệp nào?
Chúng tôi hỗ trợ chuyển đổi giữa tất cả các định dạng hình ảnh, bao gồm JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, v.v.
Cái này giá bao nhiêu?
Bộ chuyển đổi này hoàn toàn miễn phí và sẽ luôn miễn phí. Bởi vì nó chạy trong trình duyệt của bạn, chúng tôi không phải trả tiền cho máy chủ, vì vậy chúng tôi không cần tính phí bạn.
Tôi có thể chuyển đổi nhiều tệp cùng một lúc không?
Đúng! Bạn có thể chuyển đổi bao nhiêu tệp tùy thích cùng một lúc. Chỉ cần chọn nhiều tệp khi bạn thêm chúng.