OCR für jedes PAM
Ziehen und ablegen oder klicken, um auszuwählen
Privat und sicher
Alles passiert in Ihrem Browser. Ihre Dateien berühren niemals unsere Server.
Blitzschnell
Kein Hochladen, kein Warten. Konvertieren Sie, sobald Sie eine Datei ablegen.
Wirklich kostenlos
Kein Konto erforderlich. Keine versteckten Kosten. Keine Tricks bei der Dateigröße.
Optische Zeichenerkennung (OCR) wandelt Bilder von Text – Scans, Smartphone-Fotos, PDFs – in maschinenlesbare Zeichenketten und zunehmend in strukturierte Daten um. Moderne OCR ist eine Pipeline, die ein Bild bereinigt, Text findet, ihn liest und umfassende Metadaten exportiert, damit nachgelagerte Systeme Felder suchen, indizieren oder extrahieren können. Zwei weit verbreitete Ausgabestandards sind hOCR, ein HTML-Mikroformat für Text und Layout, und ALTO XML, ein auf Bibliotheken/Archive ausgerichtetes Schema; beide erhalten Positionen, Lesereihenfolge und andere Layout-Hinweise und werden von populären Engines wie Tesseractunterstützt.
Eine kurze Tour durch die Pipeline
Vorverarbeitung. Die OCR-Qualität beginnt mit der Bildbereinigung: Graustufenumwandlung, Entrauschen, Schwellenwertbildung (Binarisierung) und Schräglagenkorrektur. Kanonische OpenCV-Tutorials behandeln globale, adaptive und Otsu Schwellenwertbildung – unerlässlich für Dokumente mit ungleichmäßiger Beleuchtung oder bimodalen Histogrammen. Wenn die Beleuchtung innerhalb einer Seite variiert (denken Sie an Handy-Schnappschüsse), übertreffen adaptive Methoden oft einen einzigen globalen Schwellenwert; Otsu wählt automatisch einen Schwellenwert durch Analyse des Histogramms. Die Neigungskorrektur ist ebenso wichtig: Hough-basierte Schräglagenkorrektur (Hough-Linientransformation) in Verbindung mit Otsu-Binarisierung ist ein gängiges und effektives Rezept in Produktions-Vorverarbeitungspipelines.
Erkennung vs. Erkennung. OCR wird typischerweise in Texterkennung (wo ist der Text?) und Texterkennung (was steht da?) unterteilt. In natürlichen Szenen und vielen Scans sind vollständig konvolutionale Detektoren wie EAST effizient bei der Vorhersage von Vierecken auf Wort- oder Zeilenebene ohne aufwändige Vorschlagsphasen und sind in gängigen Toolkits implementiert (z. B. OpenCVs Tutorial zur Texterkennung). Bei komplexen Seiten (Zeitungen, Formulare, Bücher) sind die Segmentierung von Zeilen/Regionen und die Inferenz der Lesereihenfolge von Bedeutung:Kraken implementiert traditionelle Zonen-/Zeilensegmentierung und neuronale Grundlinien-Segmentierung, mit expliziter Unterstützung für verschiedene Schriften und Richtungen (LTR/RTL/vertikal).
Erkennungsmodelle. Das klassische Open-Source-Arbeitspferd Tesseract (von Google als Open Source veröffentlicht, mit Wurzeln bei HP) entwickelte sich von einem Zeichenklassifikator zu einem LSTM-basierten Sequenz- Erkenner und kann durchsuchbare PDFs, hOCR/ALTO-freundliche Ausgabenund mehr über die CLI ausgeben. Moderne Erkenner setzen auf Sequenzmodellierung ohne vorsegmentierte Zeichen. Connectionist Temporal Classification (CTC) bleibt grundlegend und lernt die Ausrichtungen zwischen Eingabemerkmalfolgen und Ausgabezeichenfolgen; es wird häufig in Handschrift- und Szenentext-Pipelines verwendet.
In den letzten Jahren haben Transformer die OCR neu gestaltet. TrOCR verwendet einen Vision-Transformer-Encoder plus einen Text-Transformer-Decoder, trainiert auf großen synthetischen Korpora und dann feinabgestimmt auf realen Daten, mit starker Leistung bei gedruckten, handschriftlichen und Szenentext-Benchmarks (siehe auch Hugging Face-Dokumentation). Parallel dazu umgehen einige Systeme OCR für das nachgelagerte Verständnis: Donut (Document Understanding Transformer) ist ein OCR-freier Encoder-Decoder, der direkt strukturierte Antworten (wie Schlüssel-Wert-JSON) aus Dokumenten- bildern ausgibt (Repo, Modellkarte), um Fehlerakkumulation zu vermeiden, wenn ein separater OCR-Schritt ein IE-System speist.
Engines und Bibliotheken
Wenn Sie eine umfassende Texterkennung für viele Schriften wünschen, bietet EasyOCR eine einfache API mit über 80 Sprachmodellen, die Boxen, Text und Konfidenzen zurückgibt – praktisch für Prototypen und nicht-lateinische Schriften. Für historische Dokumente glänzt Kraken mit Grundliniensegmentierung und schriftbewusster Lesereihenfolge; für flexibles Training auf Zeilenebene, Calamari baut auf der Ocropy-Linie auf (Ocropy) mit (Multi-)LSTM+CTC-Erkennern und einer CLI zur Feinabstimmung benutzerdefinierter Modelle.
Datensätze und Benchmarks
Generalisierung hängt von Daten ab. Für Handschrift bietet die IAM Handwriting Database schreiberdiverse englische Sätze für Training und Evaluierung; sie ist ein langjähriger Referenzdatensatz für Zeilen- und Worterkennung. Für Szenentext hat COCO-Text umfangreiche Annotationen über MS-COCO gelegt, mit Labels für gedruckt/handschriftlich, lesbar/unlesbar, Schrift und vollständigen Transkriptionen (siehe auch die ursprüngliche Projektseite). Das Feld stützt sich auch stark auf synthetisches Vortraining: SynthText in the Wild rendert Text in Fotografien mit realistischer Geometrie und Beleuchtung und liefert riesige Datenmengen zum Vortrainieren von Detektoren und Erkennern (Referenz Code & Daten).
Wettbewerbe unter dem Dach von ICDARs Robust Reading halten die Evaluierung auf dem Boden. Jüngste Aufgaben betonen die End-to-End-Erkennung/Lesung und umfassen das Verknüpfen von Wörtern zu Phrasen, wobei der offizielle Code Präzision/Recall/F-Score, Intersection-over-Union (IoU) und zeichenbasierte Edit-Distanz-Metriken meldet – was widerspiegelt, was Praktiker verfolgen sollten.
Ausgabeformate und nachgelagerte Nutzung
OCR endet selten bei reinem Text. Archive und digitale Bibliotheken bevorzugen ALTO XML , da es das physische Layout (Blöcke/Zeilen/Wörter mit Koordinaten) neben dem Inhalt kodiert und gut mit METS-Verpackungen harmoniert. Das hOCR Mikroformat hingegen bettet dieselbe Idee in HTML/CSS ein, indem es Klassen wie ocr_line und ocrx_word verwendet, was die Anzeige, Bearbeitung und Transformation mit Web-Werkzeugen erleichtert. Tesseract bietet beides – z. B. die Erzeugung von hOCR oder durchsuchbaren PDFs direkt über die CLI (PDF-Ausgabe-Anleitung); Python-Wrapper wie pytesseract bieten zusätzlichen Komfort. Es gibt Konverter, um zwischen hOCR und ALTO zu übersetzen, wenn Repositories feste Aufnahme- standards haben – siehe diese kuratierte Liste von OCR-Dateiformat-Tools.
Praktische Anleitung
- Beginnen Sie mit Daten & Sauberkeit. Wenn Ihre Bilder Handyfotos oder Scans gemischter Qualität sind, investieren Sie in Schwellenwertbildung (adaptiv & Otsu) und Schräglagenkorrektur (Hough) vor jeder Modellabstimmung. Sie werden oft mehr von einem robusten Vorverarbeitungsrezept profitieren als vom Austausch von Erkennern.
- Wählen Sie den richtigen Detektor. Für gescannte Seiten mit regelmäßigen Spalten kann ein Seitensegmentierer (Zonen → Zeilen) ausreichen; für natürliche Bilder sind Single-Shot-Detektoren wie EAST starke Baselines und lassen sich in viele Toolkits integrieren (OpenCV-Beispiel).
- Wählen Sie einen Erkenner, der zu Ihrem Text passt. Für gedrucktes Latein ist Tesseract (LSTM/OEM) robust und schnell; für Multi-Skript oder schnelle Prototypen ist EasyOCR produktiv; für Handschrift oder historische Schriftarten sollten Sie Kraken oder Calamari in Betracht ziehen und eine Feinabstimmung planen. Wenn Sie eine enge Kopplung an das Dokumentenverständnis benötigen (Schlüssel-Wert-Extraktion, VQA), evaluieren Sie TrOCR (OCR) versus Donut (OCR-frei) auf Ihrem Schema – Donut kann einen ganzen Integrationsschritt entfernen.
- Messen Sie, was zählt. Für End-to-End-Systeme melden Sie Erkennungs- F-Score und Erkennungs-CER/WER (beide basierend auf Levenshtein- Edit-Distanz; siehe CTC); für layoutlastige Aufgaben verfolgen Sie IoU/Dichtheit und zeichenbasierte normalisierte Edit-Distanz wie in ICDAR RRC Evaluierungskits.
- Exportieren Sie reichhaltige Ausgaben. Bevorzugen Sie hOCR /ALTO (oder beides), damit Sie Koordinaten und Lesereihenfolge beibehalten – entscheidend für die Hervorhebung von Suchtreffern, Tabellen-/Feld- extraktion und Provenienz. Tesseracts CLI und pytesseract machen dies zu einem Einzeiler.
Blick nach vorn
Der stärkste Trend ist die Konvergenz: Erkennung, Erkennung, Sprachmodellierung und sogar aufgabenspezifische Dekodierung verschmelzen zu einheitlichen Transformer-Stacks. Vortraining auf großen synthetischen Korpora bleibt ein Kraftmultiplikator. OCR-freie Modelle werden aggressiv konkurrieren, wo immer das Ziel strukturierte Ausgaben anstelle von wörtlichen Transkripten sind. Erwarten Sie auch hybride Bereitstellungen: einen leichtgewichtigen Detektor plus einen TrOCR-Stil- Erkenner für Langformtext und ein Donut-Stil-Modell für Formulare und Belege.
Weiterführende Literatur & Tools
Tesseract (GitHub) · Tesseract-Dokumentation · hOCR-Spezifikation · ALTO-Hintergrund · EAST-Detektor · OpenCV-Texterkennung · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM Handschrift · OCR-Dateiformat-Tools · EasyOCR
Häufig gestellte Fragen
Was ist OCR?
Die Optical Character Recognition (OCR) ist eine Technologie, die verwendet wird, um verschiedene Arten von Dokumenten, wie gescannte Papiere, PDF-Dateien oder Bilder, die mit einer Digitalkamera aufgenommen wurden, in bearbeitbare und durchsuchbare Daten umzuwandeln.
Wie funktioniert OCR?
OCR funktioniert, indem es ein Eingabebild oder Dokument scannt, das Bild in einzelne Zeichen segmentiert und jedes Zeichen mit einer Datenbank von Zeichenformen mit Hilfe von Mustererkennung oder Feature-Erkennung vergleicht.
Welches sind einige praktische Anwendungen von OCR?
OCR wird in einer Vielzahl von Bereichen und Anwendungen genutzt, einschließlich der Digitalisierung von gedruckten Dokumenten, der Aktivierung von Text-zu-Sprachdiensten, der Automatisierung von Dateneingabeprozessen und der Unterstützung von sehbehinderten Benutzern bei der Interaktion mit Texten.
Ist OCR immer 100% genau?
Obwohl große Fortschritte in der OCR-Technologie gemacht wurden, ist sie nicht unfehlbar. Die Genauigkeit kann abhängig von der Qualität des Originaldokuments und den Spezifika der verwendeten OCR-Software variieren.
Kann OCR Handschrift erkennen?
Obwohl OCR hauptsächlich für gedruckten Text konzipiert wurde, können einige fortschrittliche OCR-Systeme auch klare und konsistente Handschriften erkennen. Allerdings ist die Handschriftenerkennung in der Regel weniger genau aufgrund der großen Variation in individuellen Schreibstilen.
Kann OCR mehrere Sprachen verarbeiten?
Ja, viele OCR-Software-Systeme können mehrere Sprachen erkennen. Es ist jedoch wichtig zu gewährleisten, dass die spezifische Sprache von der von Ihnen verwendeten Software unterstützt wird.
Was ist der Unterschied zwischen OCR und ICR?
OCR steht für Optical Character Recognition und wird verwendet, um gedruckten Text zu erkennen, während ICR für Intelligent Character Recognition steht und wird zur Fortschrittlicheren Erkennung von handschriftlichen Text verwendet.
Funktioniert OCR mit jeder Schrift- und Textgröße?
OCR funktioniert am besten mit klaren, leicht lesbaren Schriftarten und Standard-Textgrößen. Obwohl es mit verschiedenen Schriftarten und Größen arbeiten kann, neigt die Genauigkeit dazu, zu sinken, wenn man mit ungewöhnlichen Schriftarten oder sehr kleinen Textgrößen umgeht.
Was sind die Grenzen der OCR-Technologie?
OCR kann Probleme haben mit niedrigauflösenden Dokumenten, komplexen Schriftarten, schlecht gedruckten Texten, Handschriften und Dokumenten mit Hintergründen, die den Text stören. Außerdem kann es, obwohl es mit vielen Sprachen arbeiten kann, nicht jede Sprache perfekt abdecken.
Kann OCR farbigen Text oder farbige Hintergründe scannen?
Ja, OCR kann farbigen Text und Hintergründe scannen, obwohl es in der Regel effektiver mit Hochkontrast-Farbkombinationen ist, wie schwarzem Text auf weißem Hintergrund. Die Genauigkeit kann abnehmen, wenn Text und Hintergrundfarben nicht genug Kontrast aufweisen.
Was ist das PAM Format?
Allgemeines zweidimensionales Bitmap-Format
Das PANGO-Bildformat ist kein weit verbreitetes oder standardisiertes Bildformat im Bereich der digitalen Grafiken. Nach meinem Wissensstand von Anfang 2023 gibt es kein etabliertes Bildformat mit dem Namen „PANGO“. Es ist möglich, dass Sie sich auf ein proprietäres oder Nischenformat beziehen, das keine weit verbreitete Akzeptanz gefunden hat oder innerhalb einer bestimmten Organisation oder eines Software-Ökosystems verwendet wird. Ohne weiteren Kontext oder Informationen ist es jedoch schwierig, eine detaillierte technische Erklärung zu einem Format zu liefern, das nicht öffentlich dokumentiert oder in der Branche bekannt ist.
Wenn PANGO ein Begriff ist, der für ein neues oder aufkommendes Bildformat geprägt wurde, wäre es wichtig, Zugriff auf seine technische Spezifikation zu haben, um eine genaue und detaillierte Erklärung zu liefern. Spezifikationen für Bildformate enthalten in der Regel Informationen wie die Struktur des Dateiheaders, Metadaten-Unterstützung, Farbmodelle, Komprimierungsmethoden und Kodierungsalgorithmen. Diese Spezifikationen sind für Entwickler entscheidend, um Unterstützung für das Format in Softwareanwendungen zu implementieren, und für Benutzer, um die Vorteile und Einschränkungen der Verwendung des Formats für ihre Bildspeicheranforderungen zu verstehen.
In Ermangelung eines anerkannten PANGO-Bildformats ist es möglich, dass es einige Verwechslungen mit der „Pango“-Bibliothek gibt, einer Textlayout- und Rendering-Engine, die häufig in Open-Source-Softwareprojekten verwendet wird. Pango ist Teil des GNOME-Projekts und wurde entwickelt, um das Layout und Rendering von internationalisiertem Text zu verarbeiten. Pango selbst ist jedoch kein Bildformat, sondern eine Bibliothek, die verwendet werden kann, um Text auf Bildern oder anderen grafischen Ausgaben in Formaten wie PNG, JPEG oder SVG zu rendern.
Wenn das PANGO-Bildformat tatsächlich ein proprietäres oder benutzerdefiniertes Format ist, wäre es wichtig, seinen beabsichtigten Anwendungsfall zu verstehen. Verschiedene Bildformate sind für verschiedene Zwecke optimiert, wie z. B. verlustfreie Archivierung (TIFF, PNG), effiziente Webübertragung (JPEG, WebP) oder komplexe Grafiken mit Ebenen und Effekten (PSD, XCF). Das Design eines Bildformats spiegelt die Balance zwischen Bildqualität, Dateigröße und der rechnerischen Komplexität der Kodierung und Dekodierung der Bilder wider.
Für jedes Bildformat, einschließlich des hypothetischen PANGO-Formats, ist eine der Hauptüberlegungen die Wahl des Farbmodells. Zu den gängigen Farbmodellen gehören RGB (Rot, Grün, Blau), CMYK (Cyan, Magenta, Gelb, Key/Schwarz) und Graustufen. Jedes Farbmodell dient unterschiedlichen Zwecken; beispielsweise wird RGB häufig für digitale Anzeigen verwendet, während CMYK für den Farbdruck verwendet wird. Ein fortschrittliches Bildformat könnte auch Farbräume wie Adobe RGB oder ProPhoto RGB für eine originalgetreue Farbwiedergabe unterstützen.
Komprimierung ist ein weiterer kritischer Aspekt von Bildformaten. Die Komprimierung kann verlustbehaftet sein, wobei einige Bilddaten dauerhaft verworfen werden, um die Dateigröße zu reduzieren, oder verlustfrei, wobei die ursprünglichen Bilddaten perfekt aus der komprimierten Datei rekonstruiert werden können. JPEG ist ein Beispiel für ein verlustbehaftetes Komprimierungsformat, während PNG verlustfreie Komprimierung verwendet. Wenn PANGO ein Bildformat wäre, würde seine Komprimierungsmethode seine Eignung für verschiedene Anwendungen wie Fotografie, Webgrafiken oder medizinische Bildgebung erheblich beeinflussen.
Metadaten-Unterstützung ist auch ein wichtiges Merkmal moderner Bildformate. Metadaten können Informationen über das Bild enthalten, wie z. B. die Kameraeinstellungen, die zum Aufnehmen eines Fotos verwendet wurden, die Software, die zum Erstellen oder Bearbeiten des Bildes verwendet wurde, Urheberrechts- und Lizenzinformationen und mehr. Formate wie EXIF, IPTC und XMP werden häufig verwendet, um Metadaten in Bilddateien einzubetten. Ein PANGO-Bildformat könnte in ähnlicher Weise Metadaten unterstützen, sodass umfangreiche Beschreibungen und Daten zusammen mit dem visuellen Inhalt gespeichert werden können.
Transparenz ist eine Funktion, die es ermöglicht, dass bestimmte Teile eines Bildes durchsichtig sind. Formate wie GIF und PNG unterstützen Transparenz, was für die Überlagerung von Bildern auf verschiedenen Hintergründen ohne sichtbaren rechteckigen Rand unerlässlich ist. Wenn das PANGO-Format für die Verarbeitung von Grafiken für Web- oder Anwendungsoberflächen entwickelt wurde, müsste es wahrscheinlich eine Form der Transparenz oder Alphakanalfunktion unterstützen.
Animation ist eine weitere Funktion, die einige Bildformate unterstützen. Beispielsweise unterstützt GIF einfache framebasierte Animationen, und in jüngerer Zeit haben Formate wie APNG (Animated PNG) und WebP die Unterstützung für Animationen mit besserer Farbtiefe und Komprimierung erweitert. Wenn PANGO Web- oder Multimedia-Inhalte unterstützen soll, könnte es eine ähnliche Animationsfunktion wie diese Formate enthalten.
Skalierbarkeit kann eine wünschenswerte Eigenschaft in Bildformaten sein, insbesondere für Anwendungen, die erfordern, dass Bilder in verschiedenen Größen ohne Qualitätsverlust angezeigt werden. Vektorbildformate wie SVG sind skalierbar, da sie Bilder in Form von geometrischen Formen und nicht in Pixeln beschreiben. Wenn PANGO ein Vektorformat ist, würde es durch mathematische Gleichungen für Linien, Kurven und Formen definiert werden, wodurch es auflösungsunabhängig wird.
Interoperabilität und Unterstützung auf verschiedenen Softwareplattformen sind ebenfalls entscheidend für die Einführung eines Bildformats. Etablierte Formate wie JPEG und PNG werden von praktisch allen Bildbetrachtern und Webbrowsern unterstützt. Damit ein neues Format wie PANGO an Bedeutung gewinnt, müsste es von gängigen Betriebssystemen, Grafiksoftware und möglicherweise sogar Hardware wie Kameras und Druckern unterstützt werden.
Sicherheits- und Datenschutzüberlegungen werden bei der Gestaltung von Dateiformaten immer wichtiger. Ein Bildformat kann Funktionen enthalten, um die Integrität und Authentizität der Bilddaten zu gewährleisten, wie z. B. digitale Signaturen oder Verschlüsselung. Wenn PANGO für die Verwendung in sensiblen Anwendungen vorgesehen ist, könnte es solche Sicherheitsfunktionen enthalten, um die Bilder vor unbefugtem Zugriff oder Manipulation zu schützen.
Leistung ist ein weiterer Faktor, der das Design eines Bildformats beeinflussen kann. Die Geschwindigkeit, mit der Bilder kodiert (geschrieben) und dekodiert (gelesen) werden können, beeinflusst die Benutzererfahrung, insbesondere für Anwendungen, die große Mengen an Bildern verarbeiten oder Echtzeitverarbeitung erfordern, wie z. B. Videobearbeitungssoftware oder Online-Bildhosting-Dienste. Das PANGO-Format müsste für eine schnelle Leistung optimiert werden, ohne die Bildqualität zu beeinträchtigen.
Schließlich können die rechtlichen und lizenzrechtlichen Aspekte eines Bildformats seine Einführung beeinflussen. Einige Formate sind mit Patenten belastet, die ihre Verwendung einschränken oder die Zahlung von Lizenzgebühren erfordern können. Offene Formate wie PNG sind frei von solchen Einschränkungen, was sie für eine weit verbreitete Verwendung attraktiver macht. Wenn PANGO ein neues Format ist, müssten seine Entwickler überlegen, wie es lizenziert wird, um die Akzeptanz durch die Software-Community und die Industrie insgesamt zu fördern.
Zusammenfassend lässt sich sagen, dass es zwar kein etabliertes PANGO-Bildformat auf der Grundlage der aktuellen Wissensdatenbank gibt, die oben beschriebenen Überlegungen jedoch auf das Design und die Bewertung jedes Bildformats anwendbar sind. Sollte ein PANGO-Format auftauchen, müsste es anhand dieser Kriterien bewertet werden, um sein Erfolgspotenzial in der Wettbewerbslandschaft digitaler Bildformate zu ermitteln. Ohne spezifische Details oder eine technische Spezifikation ist es derzeit nicht möglich, eine detailliertere technische Erklärung zum PANGO-Bildformat abzugeben.
Unterstützte Formate
AAI.aai
AAI Dune Bild
AI.ai
Adobe Illustrator CS2
AVIF.avif
AV1 Bildformat
BAYER.bayer
Rohes Bayer-Bild
BMP.bmp
Microsoft Windows Bitmap-Bild
CIN.cin
Cineon-Bilddatei
CLIP.clip
Bild-Clip-Maske
CMYK.cmyk
Rohcyan-, Magenta-, Gelb- und Schwarzproben
CUR.cur
Microsoft-Symbol
DCX.dcx
ZSoft IBM PC mehrseitige Paintbrush
DDS.dds
Microsoft DirectDraw-Oberfläche
DPX.dpx
SMTPE 268M-2003 (DPX 2.0) Bild
DXT1.dxt1
Microsoft DirectDraw-Oberfläche
EPDF.epdf
Eingekapseltes tragbares Dokumentenformat
EPI.epi
Adobe Encapsulated PostScript Interchange-Format
EPS.eps
Adobe Encapsulated PostScript
EPSF.epsf
Adobe Encapsulated PostScript
EPSI.epsi
Adobe Encapsulated PostScript Interchange-Format
EPT.ept
Eingekapseltes PostScript mit TIFF-Vorschau
EPT2.ept2
Eingekapseltes PostScript Level II mit TIFF-Vorschau
EXR.exr
Bild mit hohem Dynamikbereich (HDR)
FF.ff
Farbfeld
FITS.fits
Flexibles Bildtransport-System
GIF.gif
CompuServe-Grafikaustauschformat
HDR.hdr
Bild mit hohem Dynamikbereich (HDR)
HEIC.heic
Hocheffizienter Bildcontainer
HRZ.hrz
Slow Scan TeleVision
ICO.ico
Microsoft-Symbol
ICON.icon
Microsoft-Symbol
J2C.j2c
JPEG-2000 Codestream
J2K.j2k
JPEG-2000 Codestream
JNG.jng
JPEG Network Graphics
JP2.jp2
JPEG-2000 Dateiformat Syntax
JPE.jpe
Joint Photographic Experts Group JFIF-Format
JPEG.jpeg
Joint Photographic Experts Group JFIF-Format
JPG.jpg
Joint Photographic Experts Group JFIF-Format
JPM.jpm
JPEG-2000 Dateiformat Syntax
JPS.jps
Joint Photographic Experts Group JPS-Format
JPT.jpt
JPEG-2000 Dateiformat Syntax
JXL.jxl
JPEG XL-Bild
MAP.map
Multi-Resolution Seamless Image Database (MrSID)
MAT.mat
MATLAB-Level-5-Bildformat
PAL.pal
Palm-Pixmap
PALM.palm
Palm-Pixmap
PAM.pam
Allgemeines zweidimensionales Bitmap-Format
PBM.pbm
Portable Bitmap-Format (schwarz-weiß)
PCD.pcd
Photo-CD
PCT.pct
Apple Macintosh QuickDraw/PICT
PCX.pcx
ZSoft IBM PC Paintbrush
PDB.pdb
Palm Database ImageViewer-Format
PDF.pdf
Portable Document Format
PDFA.pdfa
Portable Document Archive-Format
PFM.pfm
Portable Float-Format
PGM.pgm
Portable Graymap-Format (Graustufen)
PGX.pgx
JPEG-2000 unkomprimiertes Format
PICT.pict
Apple Macintosh QuickDraw/PICT
PJPEG.pjpeg
Joint Photographic Experts Group JFIF-Format
PNG.png
Portable Network Graphics
PNG00.png00
PNG mit Bit-Tiefe und Farbtyp vom Originalbild erben
PNG24.png24
Opakes oder binäres transparentes 24-Bit-RGB (zlib 1.2.11)
PNG32.png32
Opakes oder binäres transparentes 32-Bit-RGBA
PNG48.png48
Opakes oder binäres transparentes 48-Bit-RGB
PNG64.png64
Opakes oder binäres transparentes 64-Bit-RGBA
PNG8.png8
Opakes oder binäres transparentes 8-Bit-Indexed
PNM.pnm
Portable Anymap
PPM.ppm
Portable Pixmap-Format (Farbe)
PS.ps
Adobe PostScript-Datei
PSB.psb
Adobe Large Document-Format
PSD.psd
Adobe Photoshop-Bitmap
RGB.rgb
Rohdaten für rote, grüne und blaue Proben
RGBA.rgba
Rohdaten für rote, grüne, blaue und Alpha-Proben
RGBO.rgbo
Rohdaten für rote, grüne, blaue und Opazität-Proben
SIX.six
DEC SIXEL-Grafikformat
SUN.sun
Sun Rasterfile
SVG.svg
Skalierbare Vektorgrafiken
TIFF.tiff
Tagged Image File Format
VDA.vda
Truevision-Targa-Bild
VIPS.vips
VIPS-Bild
WBMP.wbmp
Wireless Bitmap (Level 0) Bild
WEBP.webp
WebP-Bildformat
YUV.yuv
CCIR 601 4:1:1 oder 4:2:2
Häufig gestellte Fragen
Wie funktioniert das?
Dieser Konverter läuft vollständig in Ihrem Browser. Wenn Sie eine Datei auswählen, wird sie in den Speicher gelesen und in das ausgewählte Format konvertiert. Sie können die konvertierte Datei dann herunterladen.
Wie lange dauert die Konvertierung einer Datei?
Die Konvertierung beginnt sofort, und die meisten Dateien werden in weniger als einer Sekunde konvertiert. Größere Dateien können länger dauern.
Was passiert mit meinen Dateien?
Ihre Dateien werden niemals auf unsere Server hochgeladen. Sie werden in Ihrem Browser konvertiert, und die konvertierte Datei wird dann heruntergeladen. Wir sehen Ihre Dateien niemals.
Welche Dateitypen kann ich konvertieren?
Wir unterstützen die Konvertierung zwischen allen Bildformaten, einschließlich JPEG, PNG, GIF, WebP, SVG, BMP, TIFF und mehr.
Wie viel kostet das?
Dieser Konverter ist völlig kostenlos und wird immer kostenlos sein. Da er in Ihrem Browser läuft, müssen wir nicht für Server bezahlen, also müssen wir Ihnen auch nichts berechnen.
Kann ich mehrere Dateien auf einmal konvertieren?
Ja! Sie können so viele Dateien auf einmal konvertieren, wie Sie möchten. Wählen Sie einfach mehrere Dateien aus, wenn Sie sie hinzufügen.