OCR für jedes PNG00

Unbegrenzt Aufgaben. Dateigröße bis zu 2.5GB. Immer kostenlos.

Alles lokal

Unser Konverter läuft in Ihrem Browser, daher sehen wir Ihre Daten nie.

Blitzschnell

Kein Hochladen Ihrer Dateien auf einen Server - Konvertierungen starten sofort.

Standardmäßig sicher

Im Gegensatz zu anderen Konvertern werden Ihre Dateien nie auf unseren Server hochgeladen.

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 PNG00 Format?

PNG mit Bit-Tiefe und Farbtyp vom Originalbild erben

Das PNG00-Bildformat stellt eine spezifische Teilmenge des breiteren Portable Network Graphics (PNG)-Formats dar, das für die verlustfreie, gut komprimierte Speicherung von Rasterbildern entwickelt wurde. Es wurde als Verfeinerung und Verbesserung von GIF entwickelt und ist aufgrund seiner vielseitigen Funktionen populär geworden. Im Gegensatz zum allgemeinen PNG, das eine breite Palette von Farbtiefen und zusätzlichen Funktionen unterstützt, bezieht sich PNG00 speziell auf ein Format, das für bestimmte Bedingungen optimiert ist und sich darauf konzentriert, eine effiziente Komprimierung und Kompatibilität mit älteren Systemen zu erreichen, ohne die Integrität der ursprünglichen Bilddaten zu beeinträchtigen.

Im Kern verwendet das PNG-Format, einschließlich PNG00, eine verlustfreie Komprimierungsmethode. Das bedeutet, dass im Gegensatz zu JPEG oder anderen verlustbehafteten Formaten bei der Komprimierung eines Bildes in das PNG00-Format kein Qualitätsverlust auftritt und alle ursprünglichen Bildinformationen perfekt wiederhergestellt werden können. Dies ist besonders wichtig für Anwendungen, bei denen die Bildintegrität von größter Bedeutung ist, wie z. B. im Desktop-Publishing, in der digitalen Kunst und bei bestimmten Webgrafiken, bei denen Klarheit und Präzision entscheidend sind.

Die Struktur einer PNG00-Datei ist, wie bei allen PNG-Dateien, stückbasiert. Eine PNG-Datei besteht aus mehreren Stücken, die jeweils einem bestimmten Zweck dienen. Diese Stücke können Metadaten wie den Farbraum des Bildes, Gamma und Textanmerkungen zusätzlich zu den Bilddaten selbst enthalten. Die kritischen Stücke in jeder PNG-Datei sind das Header-Stück (IHDR), das die Größe und Farbtiefe des Bildes beschreibt; das Palettenstück (PLTE) für indizierte Bilder; das Bilddatenstück (IDAT), das die eigentlichen komprimierten Bilddaten enthält; und das Endstück (IEND), das das Ende der Datei signalisiert.

Die Komprimierung innerhalb von PNG00 und PNG im Allgemeinen wird durch eine Kombination aus Filterung und DEFLATE-Algorithmus erreicht. Die Filterung ist ein Vorverarbeitungsschritt, der die Bilddaten für eine effizientere Komprimierung vorbereitet, indem die Komplexität der Bildinformationen reduziert wird. Es stehen mehrere Filtermethoden zur Verfügung, und PNG verwendet eine Filtermethode, die die Farbe von Pixeln basierend auf den Farben benachbarter Pixel vorhersagt und dadurch die Menge an Informationen reduziert, die komprimiert werden muss. Nach der Filterung wird der DEFLATE-Komprimierungsalgorithmus, eine Variante der LZ77- und Huffman-Codierung, angewendet, um die Bilddaten ohne Verlust erheblich zu komprimieren.

Ein charakteristisches Merkmal des PNG-Formats, einschließlich PNG00, ist die Unterstützung eines Alphakanals, der unterschiedliche Transparenzstufen im Bild ermöglicht. Diese Funktion ist besonders nützlich im Webdesign und in der Softwareentwicklung, wo Bilder auf verschiedenen Hintergründen überlagert werden müssen. Im Gegensatz zu Formaten wie GIF, die nur vollständig transparente oder vollständig opake Pixel unterstützen, ermöglicht die Unterstützung von 8-Bit-Transparenz durch PNG 256 Transparenzstufen, von vollständig transparent bis vollständig opak, was die Erstellung von sanften Übergängen und Effekten ermöglicht.

Die Farbverwaltung in PNG und damit auch in PNG00 wird durch die Einbeziehung von ICC-Profilstücken oder sRGB-Stücken gehandhabt, die angeben, wie die Farben im Bild von verschiedenen Geräten interpretiert werden sollen. Dies stellt sicher, dass die Farben unabhängig vom Gerät, auf dem das Bild angezeigt wird, so genau wie möglich dargestellt werden. Dies ist in Bereichen wie der digitalen Fotografie und dem Webdesign von entscheidender Bedeutung, wo Farbkonsistenz über verschiedene Geräte hinweg unerlässlich ist.

Die Kompatibilität von PNG00 mit einer Vielzahl von Plattformen und Geräten ist eine seiner Hauptstärken. Aufgrund seiner verlustfreien Komprimierung, der Unterstützung von Transparenz und der Farbverwaltungsfunktionen wird es von modernen Webbrowsern, Bildbearbeitungssoftware und Betriebssystemen weitgehend unterstützt. Diese universelle Kompatibilität stellt sicher, dass im PNG00-Format gespeicherte Bilder in verschiedenen Kontexten zuverlässig angezeigt und bearbeitet werden können, ohne dass eine Konvertierung oder spezielle Plugins erforderlich sind.

Trotz seiner Vorteile hat das PNG00-Format auch Einschränkungen. Die bemerkenswerteste ist die Dateigröße. Da es eine verlustfreie Komprimierung verwendet, sind PNG00-Dateien im Allgemeinen größer als ihre JPEG-Pendants, die eine verlustbehaftete Komprimierung verwenden. Dies kann ein erheblicher Nachteil für Webanwendungen sein, bei denen schnelle Ladezeiten entscheidend sind. In diesen Szenarien müssen Entwickler den Bedarf an Bildqualität sorgfältig mit dem Bedarf an Effizienz abwägen und verwenden häufig Techniken wie Bildsprites oder wählen niedrigere Farbtiefen, um die Dateigröße nach Möglichkeit zu reduzieren.

Eine weitere Herausforderung bei PNG00 besteht in seiner Komplexität im Vergleich zu einfacheren Formaten wie JPEG. Die umfangreichen Funktionen und Optionen, die in PNG verfügbar sind, einschließlich verschiedener Stücktypen, Komprimierungseinstellungen und Farbverwaltung, können die Arbeit für diejenigen, die mit dem Format nicht vertraut sind, umständlicher machen. Diese Komplexität kann zu Ineffizienzen und Fehlern bei der Verwaltung und Verteilung von PNG00-Dateien führen, wenn nicht die richtigen Tools und das entsprechende Fachwissen vorhanden sind.

Darüber hinaus ist PNG00 zwar Vorteile wie Alpha-Transparenz und eine bessere Komprimierung als GIF bietet, eignet sich jedoch weniger für sehr einfache Grafiken oder Bilder mit großen Bereichen einheitlicher Farbe. In diesen Fällen bieten Formate wie GIF oder sogar das neuere WebP möglicherweise eine effizientere Komprimierung ohne merklichen Qualitätsverlust. Da sich Webtechnologien weiterentwickeln und Bandbreitenbeschränkungen nachlassen, wird es jedoch einfacher, die Balance zwischen Bildqualität und Dateigröße zu finden, was den Platz von PNG00 in der digitalen Bildspeicherung und -bearbeitung festigt.

Zusätzlich zu den Standardfunktionen können mehrere Optimierungen an PNG00-Dateien vorgenommen werden, um sie effizienter zu machen. Tools und Bibliotheken, die PNG-Dateien bearbeiten, bieten oft Optionen zum Entfernen von Nebenstücken, zum Optimieren der Farbpalette für indizierte Bilder oder zum Anpassen der Filterstrategien, um sie besser an den spezifischen Bildinhalt anzupassen. Diese Optimierungen können zu erheblichen Reduzierungen der Dateigröße führen, während die Qualität und Kompatibilität des PNG00-Formats erhalten bleiben.

Das Erstellen und Bearbeiten von PNG00-Dateien erfordert ein Verständnis dieser Optimierungen und der zugrunde liegenden Prinzipien des PNG-Formats. Viele Bildbearbeitungssoftwarepakete unterstützen PNG und bieten Benutzern Optionen zum Anpassen der Komprimierungsstufe, zum Auswählen bestimmter Farbformate (wie Truecolor, Graustufen oder indizierte Farbe) und zum Verwalten von Transparenzeinstellungen. Für Webentwickler und Grafikdesigner sind diese Tools unerlässlich, um Bilder zu erstellen, die den genauen Anforderungen ihrer Projekte entsprechen und gleichzeitig die Leistung und Kompatibilität optimieren.

Mit Blick auf die Zukunft entwickelt sich das PNG-Format, einschließlich PNG00, ständig weiter. Da sich Webstandards weiterentwickeln und neue Bildformate auftauchen, wird das PNG-Format erweitert und angepasst, um neuen Herausforderungen gerecht zu werden. Bemühungen wie das Hinzufügen neuer Stücktypen für eine bessere Metadatenunterstützung oder Verbesserungen des Komprimierungsalgorithmus, um kleinere Dateigrößen zu erzielen, sind im Gange. Diese Entwicklungen stellen sicher, dass PNG ein relevantes und leistungsstarkes Format für die Speicherung und Übertragung digitaler Bilder in verschiedenen Kontexten bleibt.

Zusammenfassend lässt sich sagen, dass das PNG00-Bildformat eine robuste Lösung für die Speicherung von Bildern in einem verlustfreien Format mit Unterstützung für Transparenz und Farbverwaltung bietet. Es stellt ein Gleichgewicht zwischen Qualität und Kompatibilität her und eignet sich für eine Vielzahl von Anwendungen. Es steht jedoch vor Herausforderungen in Bezug auf Dateigröße und Komplexität, mit denen Benutzer sorgfältig umgehen müssen. Mit laufenden Entwicklungen und Optimierungen bleiben PNG00 und das breitere PNG-Format im Bereich der digitalen Bildgebung von zentraler Bedeutung und bieten Lösungen, die den sich ändernden Anforderungen von Webentwicklern, Grafikdesignern und digitalen Künstlern gerecht werden.

Unterstützte Formate

AAI.aai

AAI Dune Bild

AI.ai

Adobe Illustrator CS2

AVIF.avif

AV1 Bildformat

AVS.avs

AVS X Bild

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

CMYKA.cmyka

Rohcyan-, Magenta-, Gelb-, Schwarz- und Alpha-Proben

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)

FARBFELD.ff

Farbfeld

FF.ff

Farbfeld

FITS.fits

Flexibles Bildtransport-System

GIF.gif

CompuServe-Grafikaustauschformat

GIF87.gif87

CompuServe-Grafikaustauschformat (Version 87a)

GROUP4.group4

Rohes CCITT Group4

HDR.hdr

Bild mit hohem Dynamikbereich (HDR)

HRZ.hrz

Slow Scan TeleVision

ICO.ico

Microsoft-Symbol

ICON.icon

Microsoft-Symbol

IPL.ipl

IP2 Location Image

J2C.j2c

JPEG-2000 Codestream

J2K.j2k

JPEG-2000 Codestream

JNG.jng

JPEG Network Graphics

JP2.jp2

JPEG-2000 Dateiformat Syntax

JPC.jpc

JPEG-2000 Codestream

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

PCDS.pcds

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

PICON.picon

Persönliches Icon

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

SVGZ.svgz

Komprimierte 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 geladen und in das ausgewählte Format konvertiert. Sie können dann die konvertierte Datei herunterladen.

Wie lange dauert es, eine Datei zu konvertieren?

Konvertierungen starten 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 nie.

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 komplett kostenlos und wird immer kostenlos sein. Da er in Ihrem Browser läuft, müssen wir keine Server bezahlen, daher müssen wir Ihnen keine Gebühren berechnen.

Kann ich mehrere Dateien gleichzeitig konvertieren?

Ja! Sie können so viele Dateien gleichzeitig konvertieren, wie Sie möchten. Wählen Sie einfach mehrere Dateien aus, wenn Sie sie hinzufügen.