OCR bất kỳ SVG 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 SVG là gì?
Đồ họa Vector có thể mở rộng
SVGZ là định dạng hình ảnh thú vị và hiệu quả để lưu trữ đồ họa vector. Về bản chất, tệp SVGZ chỉ đơn giản là tệp SVG (Đồ họa vector có thể mở rộng) đã được nén bằng cách sử dụng nén gzip. SVG, một ngôn ngữ đánh dấu dựa trên XML, được sử dụng rộng rãi để mô tả đồ họa vector hai chiều. Đồ họa này có thể bao gồm hình dạng, đường dẫn, văn bản và hiệu ứng bộ lọc. Ưu điểm chính của SVG là khả năng mở rộng; hình ảnh vector có thể được mở rộng theo các kích thước khác nhau mà không làm mất chất lượng, không giống như hình ảnh raster có thể bị vỡ pixel. SVGZ ra đời nhằm kết hợp những lợi ích của SVG với lợi thế là kích thước tệp nhỏ hơn, dẫn đến thời gian tải nhanh hơn và giảm sử dụng băng thông, đặc biệt quan trọng đối với các ứng dụng web.
Nền tảng kỹ thuật của tệp SVGZ nằm ở cấu trúc và cơ chế nén của chúng. Tệp SVG là tệp văn bản thuần túy chứa các hướng dẫn ở định dạng XML để hiển thị đồ họa vector. Các hướng dẫn này có thể xác định các hình dạng đơn giản như hình tròn và hình chữ nhật, đường dẫn phức tạp, độ dốc, v.v. Vì SVG dựa trên văn bản nên có thể chỉnh sửa trực tiếp bằng trình soạn thảo văn bản. Nén thành SVGZ đạt được bằng cách áp dụng gzip, một phương pháp nén được sử dụng rộng rãi dựa trên thuật toán DEFLATE. Gzip có khả năng giảm đáng kể kích thước tệp bằng cách xác định và loại bỏ sự trùng lặp trong dữ liệu. Khi tệp SVG được nén thành SVGZ, tệp kết quả thường chỉ bằng khoảng 20% đến 50% kích thước ban đầu, tùy thuộc vào độ phức tạp và sự trùng lặp của nội dung SVG.
Tương tác với các tệp SVGZ đòi hỏi phải xem xét một số môi trường mà các tệp này được sử dụng. Các trình duyệt web hiện đại hỗ trợ gốc các tệp SVG, hiển thị chúng trực tiếp trong các tài liệu HTML thông qua thẻ <svg> hoặc làm hình ảnh nền CSS. Việc hỗ trợ mở rộng đến các tệp SVGZ, với lưu ý rằng máy chủ phải chỉ định đúng loại MIME ('image/svg+xml') và mã hóa nội dung ('gzip') trong tiêu đề HTTP để trình duyệt xử lý tệp chính xác. Điều này rất quan trọng đối với SVGZ vì trình duyệt cần biết rằng tệp đã được nén và phải được giải nén trước khi hiển thị. Cấu hình không chính xác có thể khiến SVGZ không hiển thị đúng cách.
So với các định dạng hình ảnh khác, SVGZ cung cấp những ưu điểm và hạn chế độc đáo. Một ưu điểm chính là khả năng mở rộng và không phụ thuộc độ phân giải, được chia sẻ với SVG. Điều này làm cho SVGZ trở thành lựa chọn tuyệt vời cho logo, biểu tượng và bất kỳ đồ họa nào cần thay đổi kích thước mà không làm mất chất lượng. Việc nén thành SVGZ càng làm tăng thêm tính phù hợp của nó đối với việc sử dụng trên web bằng cách giảm kích thước tệp và thời gian tải. Tuy nhiên, SVG và SVGZ không lý tưởng để biểu diễn các bức ảnh phức tạp hoặc hình ảnh có nhiều màu sắc và độ dốc do bản chất vector của chúng. Đối với những loại hình ảnh này, các định dạng raster như JPEG hoặc PNG phù hợp hơn.
Theo quan điểm phát triển, việc tạo và thao tác các tệp SVG và SVGZ có thể được thực hiện bằng cách sử dụng nhiều công cụ và thư viện khác nhau. Phần mềm thiết kế đồ họa như Adobe Illustrator và Inkscape cho phép tạo và xuất các tệp SVG, sau đó có thể được nén thành SVGZ bằng các tiện ích gzip. Ngoài ra, một số thư viện phát triển web, chẳng hạn như D3.js và Snap.svg, cung cấp hỗ trợ mở rộng để thao tác động nội dung SVG trong các ứng dụng web. Các công cụ này cho phép các nhà phát triển tạo đồ họa tương tác và động có thể mở rộng trên các thiết bị khác nhau mà không làm mất chất lượng.
Các khía cạnh bảo mật của các tệp SVGZ nhìn chung tương tự như các tệp SVG, vì nội dung cơ bản là giống nhau. Tuy nhiên, bước nén giới thiệu một lớp có thể phát sinh sự cố. Một mối quan tâm tiềm ẩn là bom giải nén, một lỗ hổng bảo mật trong đó một tệp nén nhỏ giải nén thành kích thước cực lớn, có khả năng làm cạn kiệt tài nguyên hệ thống. Việc xử lý và xác thực đúng các tệp SVGZ là rất cần thiết để giảm thiểu những rủi ro như vậy. Ngoài ra, vì các tệp SVG có thể chứa JavaScript, nên có khả năng thực thi mã độc. Đảm bảo rằng các tệp có nguồn gốc từ các thực thể đáng tin cậy và áp dụng vệ sinh thích hợp là những biện pháp phòng ngừa chính.
Tối ưu hóa các tệp SVGZ để sử dụng trên web liên quan đến một số biện pháp thực hành tốt nhất. Đầu tiên, ngay cả trước khi nén, việc tối ưu hóa chính đánh dấu SVG có thể dẫn đến giảm đáng kể kích thước tệp. Điều này bao gồm loại bỏ siêu dữ liệu không cần thiết, hợp nhất các phần tử lặp lại và đơn giản hóa đường dẫn. Các công cụ như SVGO (SVG Optimizer) được thiết kế riêng để tự động hóa nhiều tối ưu hóa này. Sau những tối ưu hóa ban đầu này, việc nén SVG thành SVGZ có thể làm giảm thêm kích thước tệp. Các nhà phát triển web cũng cần triển khai đúng các chỉ thị bộ nhớ đệm HTTP, vì các tệp SVGZ được lưu trong bộ nhớ đệm hiệu quả có thể cải thiện đáng kể hiệu suất của ứng dụng web.
Ngoài đồ họa tĩnh, vai trò của SVGZ trong hoạt ảnh và nội dung web tương tác rất đáng chú ý. SVG tự nó hỗ trợ các hoạt ảnh đơn giản thông qua SMIL (Ngôn ngữ tích hợp đa phương tiện được đồng bộ hóa) và khi kết hợp với hoạt ảnh CSS và JavaScript, nó cho phép tạo các hoạt ảnh phức tạp và tương tác. Các khả năng này vẫn được bảo toàn ngay cả sau khi SVG được nén thành SVGZ, cho phép các nhà phát triển web tạo ra các trải nghiệm tương tác phong phú với tác động tối thiểu đến hiệu suất và băng thông. Điều này đã khiến SVGZ trở thành lựa chọn phổ biến cho hoạt ảnh web, hình ảnh dữ liệu tương tác và các yếu tố thiết kế web phản hồi.
Về hướng đi trong tương lai, bối cảnh đồ họa web liên tục phát triển với các tiêu chuẩn và công nghệ mới nổi. Mặc dù các định dạng như WebP và AVIF cung cấp các lựa chọn thay thế đầy hứa hẹn cho hình ảnh raster với chất lượng và khả năng nén tốt hơn, nhưng những ưu điểm độc đáo của SVG và SVGZ — đặc biệt là về khả năng mở rộng và tương tác — đảm bảo tính liên quan liên tục của chúng. Những cải tiến trong các thuật toán nén và các tiêu chuẩn web có thể tối ưu hóa hơn nữa cách lưu trữ và truyền đồ họa vector, có khả năng dẫn đến các phiên bản SVGZ hiệu quả hơn hoặc các định dạng vector hoàn toàn mới.
Các cân nhắc về khả năng truy cập cũng là một phần không thể thiếu trong việc sử dụng các tệp SVGZ. Bản chất dựa trên văn bản của SVG cho phép đưa vào các thuộc tính như tiêu đề và mô tả, có thể được trình đọc màn hình sử dụng để cung cấp ngữ cảnh cho người dùng khiếm thị. Các tính năng tr ợ năng này được giữ lại trong các tệp SVGZ, nhấn mạnh tầm quan trọng của các thiết kế chu đáo và các phương pháp đánh dấu. Đảm bảo rằng đồ họa vector không chỉ hấp dẫn về mặt trực quan mà còn có thể truy cập được đối với tất cả người dùng là một khía cạnh quan trọng của phát triển web hiện đại.
Việc quốc tế hóa và bản địa hóa các tệp SVGZ mang đến những khả năng hấp dẫn. Vì các tệp SVG có thể chứa các phần tử văn bản nên chúng có thể dễ dàng được dịch sang các ngôn ngữ khác nhau mà không làm thay đổi bố cục của đồ họa. Điều này đặc biệt có lợi cho các đồ họa có chứa văn bản, chẳng hạn như đồ họa thông tin hoặc biểu tượng web có nhãn. Khả năng bản địa hóa nội dung trực tiếp trong tệp SVGZ giúp đơn giản hóa quá trình tạo các ứng dụng web và nội dung đa ngôn ngữ, chứng minh một khía cạnh khác về tính linh hoạt của định dạng.
Tóm lại, định dạng hình ảnh SVGZ đại diện cho một công cụ mạnh mẽ trong kho vũ khí của các nhà thiết kế web và đồ họa. Sự kết hợp giữa khả năng mở rộng, chất lượng và kích thước tệp hiệu quả của nó mang đến một lựa chọn thay thế hấp dẫn cho các hình ảnh raster truyền thống cho nhiều ứng dụng khác nhau. Các sắc thái kỹ thuật của SVGZ, từ cơ chế nén đến khả năng hỗ trợ tương tác và khả năng truy cập, làm nổi bật tính linh hoạt của nó. Khi các công nghệ web tiếp tục phát triển, việc áp dụng và tối ưu hóa SVGZ và các định dạng tương tự sẽ đóng vai trò quan trọng trong việc định hình tương lai của nội dung kỹ thuật số. Hiểu và tận dụng định dạng này có thể cải thiện đáng kể hiệu suất web, trải nghiệm người dùng và khả năng truy cập, khiến nó trở thành một cân nhắc quan trọng đối với
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.