OCR für jedes PDB
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 PDB Format?
Palm Database ImageViewer-Format
Das PCX-Bildformat, das für "Picture Exchange" steht, ist ein Rastergrafik-Dateiformat, das in den späten 1980er und 1990er Jahren vorwiegend auf DOS- und Windows-basierten Computern verwendet wurde. Es wurde von der ZSoft Corporation entwickelt und war eines der ersten weit verbreiteten Formate für Farbbilder auf IBM PC-kompatiblen Computern. Das PCX-Format ist bekannt für seine Einfachheit und einfache Implementierung, was zu seiner weit verbreiteten Akzeptanz in den frühen Tagen des Personal Computing beitrug. Es war besonders beliebt für seine Verwendung in Software wie Microsoft Paintbrush, das später zu Microsoft Paint wurde, und wurde auch für Bildschirmaufnahmen, Scannerausgaben und Desktop-Hintergründe verwendet.
Das PCX-Dateiformat wurde entwickelt, um gescannte Bilder und andere Arten von Bilddaten darzustellen. Es unterstützt verschiedene Farbtiefen, darunter Monochrom, 2-Farben, 4-Farben, 16-Farben, 256-Farben und 24-Bit-Echtfarbenbilder. Das Format ermöglicht eine Reihe von Auflösungen und Seitenverhältnissen, wodurch es für verschiedene Anzeigegeräte und Druckanforderungen vielseitig einsetzbar ist. Trotz seiner Flexibilität wurde das PCX-Format weitgehend durch modernere Bildformate wie JPEG, PNG und GIF abgelöst, die eine bessere Komprimierung und Farbunterstützung bieten. Das Verständnis des PCX-Formats ist jedoch immer noch relevant für diejenigen, die mit älteren Systemen oder digitalen Archiven zu tun haben, die PCX-Dateien enthalten.
Eine PCX-Datei besteht aus einem Header, Bilddaten und einer optionalen 256-Farben-Palette. Der Header ist 128 Bytes lang und enthält wichtige Informationen über das Bild, wie z. B. die verwendete Version des PCX-Formats, die Bildabmessungen, die Anzahl der Farbflächen, die Anzahl der Bits pro Pixel pro Farbfläche und die Kodierungsmethode. Die in PCX-Dateien verwendete Kodierungsmethode ist die Run-Length-Encoding (RLE), eine einfache Form der verlustfreien Datenkomprimierung, die die Dateigröße reduziert, ohne die Bildqualität zu beeinträchtigen. RLE komprimiert Sequenzen identischer Bytes zu einem einzelnen Byte, gefolgt von einem Zählbyte, das angibt, wie oft das Byte wiederholt werden soll.
Die Bilddaten in einer PCX-Datei sind in Ebenen organisiert, wobei jede Ebene eine andere Farbkomponente darstellt. Beispielsweise hätte ein 24-Bit-Farbbild drei Ebenen, eine für jede der Komponenten Rot, Grün und Blau. Die Daten innerhalb jeder Ebene werden mit RLE kodiert und in Zeilen gespeichert, wobei jede Zeile eine horizontale Linie von Pixeln darstellt. Die Zeilen werden von oben nach unten gespeichert, und innerhalb jeder Zeile werden die Pixel von links nach rechts gespeichert. Bei Bildern mit einer Farbtiefe von weniger als 24 Bit kann am Ende der Datei ein zusätzlicher Palettenabschnitt vorhanden sein, der die im Bild verwendeten Farben definiert.
Die optionale 256-Farben-Palette ist ein wichtiges Merkmal des PCX-Formats für Bilder mit 8 Bit pro Pixel oder weniger. Diese Palette befindet sich normalerweise am Ende der Datei, nach den Bilddaten, und besteht aus einer Reihe von 3-Byte-Einträgen, wobei jeder Eintrag die Rot-, Grün- und Blau-Komponenten einer einzelnen Farbe darstellt. Die Palette ermöglicht die Darstellung einer breiten Palette von Farben im Bild, obwohl jedes Pixel nur auf einen Farbindex verweist, anstatt den vollständigen Farbwert zu speichern. Dieser indizierte Farbansatz ist in Bezug auf die Dateigröße effizient, schränkt jedoch die Farbtreue im Vergleich zu Echtfarbenbildern ein.
Einer der Vorteile des PCX-Formats ist seine Einfachheit, die es Entwicklern leicht machte, es in ihre Software zu implementieren. Der Header des Formats ist in Größe und Layout festgelegt, was eine einfache Analyse und Verarbeitung der Bilddaten ermöglicht. Darüber hinaus ist die in PCX-Dateien verwendete RLE-Komprimierung im Vergleich zu komplexeren Komprimierungsalgorithmen, die in anderen Formaten verwendet werden, relativ einfach. Diese Einfachheit bedeutete, dass PCX-Dateien auf der damals begrenzten Hardware einfach generiert und bearbeitet werden konnten, ohne dass umfangreiche Rechenleistung oder Speicher erforderlich waren.
Trotz seiner Einfachheit weist das PCX-Format einige Einschränkungen auf. Einer der Hauptnachteile ist die fehlende Unterstützung für Transparenz oder Alphakanäle, die für moderne Grafikarbeiten wie Icon-Design oder Videospielgrafiken unerlässlich sind. Darüber hinaus ist die RLE-Komprimierung, obwohl sie für bestimmte Arten von Bildern effektiv ist, nicht so effizient wie die Komprimierungsalgorithmen, die in Formaten wie JPEG oder PNG verwendet werden. Dies kann zu größeren Dateigrößen für PCX-Dateien führen, insbesondere bei hochauflösenden oder Echtfarbenbildern.
Eine weitere Einschränkung des PCX-Formats ist die fehlende Unterstützung für Metadaten. Im Gegensatz zu Formaten wie TIFF oder JPEG, die eine Vielzahl von Metadaten über das Bild enthalten können, wie z. B. die Kameraeinstellungen, die zum Aufnehmen eines Fotos verwendet wurden, oder das Datum und die Uhrzeit, zu der das Bild erstellt wurde, enthalten PCX-Dateien nur die grundlegendsten Informationen, die zur Anzeige des Bildes erforderlich sind. Dies macht das Format weniger geeignet für professionelle Fotografie oder jede Anwendung, bei der die Aufbewahrung solcher Informationen wichtig ist.
Trotz dieser Einschränkungen wurde das PCX-Format in der Vergangenheit weit verbreitet und wird auch heute noch von vielen Bildbearbeitungs- und Anzeigeprogrammen erkannt. Sein Vermächtnis zeigt sich in der fortgesetzten Unterstützung des Formats in Software wie Adobe Photoshop, GIMP und CorelDRAW. Für Benutzer, die mit älteren Systemen arbeiten oder auf historische digitale Inhalte zugreifen müssen, bleibt die Möglichkeit, PCX-Dateien zu verarbeiten, relevant. Darüber hinaus macht die Einfachheit des Formats es zu einer nützlichen Fallstudie für diejenigen, die etwas über Bilddateiformate und Datenkomprimierungstechniken lernen.
Das PCX-Format spielte auch in den frühen Tagen des Desktop-Publishing und des Grafikdesigns eine Rolle. Seine Unterstützung für mehrere Auflösungen und Farbtiefen machte es zu einer flexiblen Wahl für die Erstellung und den Austausch von Grafiken zwischen verschiedenen Software- und Hardwareplattformen. In einer Zeit, in der proprietäre Formate Hindernisse für die Zusammenarbeit schaffen konnten, diente das PCX-Format als gemeinsamer Nenner, der den Austausch von Bildern über verschiedene Systeme hinweg erleichterte.
In Bezug auf die technische Implementierung umfasst das Erstellen einer PCX-Datei das Schreiben des 128-Byte-Headers mit den richtigen Werten für die Eigenschaften des Bildes, gefolgt von den RLE-komprimierten Bilddaten für jede Farbfläche. Wenn das Bild eine Palette verwendet, werden die Palettendaten an das Ende der Datei angehängt. Beim Lesen einer PCX-Datei wird der Vorgang umgekehrt: Der Header wird gelesen, um die Bildeigenschaften zu bestimmen, die RLE-Daten werden dekomprimiert, um das Bild zu rekonstruieren, und falls vorhanden, wird die Palette gelesen, um die Farbindizes ihren entsprechenden RGB-Werten zuzuordnen.
Der PCX-Header enthält mehrere Felder, die für die Interpretation der Bilddaten entscheidend sind. Dazu gehören der Hersteller (immer auf 10 für ZSoft gesetzt), die Version (die die Version des PCX-Formats angibt), die Kodierung (immer auf 1 für RLE-Komprimierung gesetzt), die Bits pro Pixel (die die Farbtiefe angeben), die Bildabmessungen (angegeben durch die Felder Xmin, Ymin, Xmax und Ymax), die horizontalen und vertikalen Auflösungen, die Anzahl der Farbflächen, die Bytes pro Zeile (die die Anzahl der Bytes in jeder Zeile einer Farbfläche angeben) und ein Flag für Graustufenbilder, unter anderem.
Die RLE-Komprimierung des PCX-Formats ist so konzipiert, dass sie für Bilder mit großen Bereichen einheitlicher Farbe effizient ist, was in der damaligen Computergrafik üblich war. Beispielsweise könnte ein Bild mit einem großen blauen Himmel effektiv komprimiert werden, da die blauen Pixel durch ein einzelnes Byte gefolgt von einem Zählbyte dargestellt würden, anstatt jedes blaue Pixel einzeln zu speichern. Bei Bildern mit komplexeren Mustern oder Farbvariationen ist die RLE-Komprimierung jedoch weniger effektiv, und die resultierende Dateigröße ist möglicherweise nicht wesentlich kleiner als das unkomprimierte Bild.
Zusammenfassend lässt sich sagen, dass das PCX-Bildformat ein historisches Dateiformat ist, das in den frühen Tagen des Personal Computing und der digitalen Grafik eine bedeutende Rolle spielte. Seine Einfachheit und einfache Implementierung machten es zu einer beliebten Wahl für Softwareentwickler und Benutzer gleichermaßen. Obwohl es weitgehend durch fortschrittlichere Bildformate ersetzt wurde, bleibt das PCX-Format ein wichtiger Teil des digitalen Erbes und wird weiterhin von vielen modernen Grafikprogrammen unterstützt. Das Verständnis des PCX-Formats liefert wertvolle Einblicke in die Entwicklung der digitalen Bildgebungstechnologie und die Herausforderungen der Datenkomprimierung und des Dateiformatdesigns.
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.