ऑप्टिकल कैरेक्टर रिकॉग्निशन (ओसीआर) टेक्स्ट की छवियों - स्कैन, स्मार्टफोन फोटो, पीडीएफ - को मशीन द्वारा पढ़े जा सकने वाले टेक्स्ट और संरचित डेटा में बदल देता है। आधुनिक ओसीआर एक पाइपलाइन है जो एक छवि को साफ करती है, टेक्स्ट ढूंढती है, उसे पढ़ती है, और समृद्ध मेटाडेटा निर्यात करती है ताकि डाउनस्ट्रीम सिस्टम डेटा को खोज, अनुक्रमित या निकाल सकें। दो व्यापक रूप से उपयोग किए जाने वाले आउटपुट मानक हैं hOCR, टेक्स्ट और लेआउट के लिए एक एचटीएमएल माइक्रोफ़ॉर्मैट, और ALTO XML, एक पुस्तकालय/अभिलेखागार-उन्मुख स्कीमा; दोनों स्थितियों, पढ़ने के क्रम और अन्य लेआउट संकेतों को संरक्षित करते हैं और लोकप्रिय इंजनों द्वारा समर्थित हैं जैसे टेसरैक्ट.
प्रीप्रोसेसिंग। ओसीआर की गुणवत्ता छवि की सफाई से शुरू होती है: ग्रेस्केल रूपांतरण, डिनोइज़िंग, थ्रेसहोल्डिंग (बिनारिज़ेशन), और डेस्क्यूइंग। कैनोनिकल ओपनसीवी ट्यूटोरियल वैश्विक, अनुकूली और ओत्सु थ्रेसहोल्डिंग को कवर करते हैं - असमान प्रकाश या बिमोडल हिस्टोग्राम वाले दस्तावेज़ों के लिए स्टेपल। जब एक पृष्ठ के भीतर रोशनी बदलती है (फोन स्नैप्स सोचें), अनुकूली तरीके अक्सर एक ही वैश्विक थ्रेसहोल्ड से बेहतर प्रदर्शन करते हैं; ओत्सु हिस्टोग्राम का विश्लेषण करके स्वचालित रूप से एक थ्रेसहोल्ड चुनता है। झुकाव सुधार समान रूप से महत्वपूर्ण है: हफ-आधारित डेस्क्यूइंग (हफ लाइन ट्रांसफॉर्म) ओत्सु बिनारिज़ेशन के साथ मिलकर उत्पादन प्रीप्रोसेसिंग पाइपलाइनों में एक आम और प्रभावी नुस्खा है।
पहचान बनाम मान्यता। ओसीआर को आम तौर पर टेक्स्ट डिटेक्शन (टेक्स्ट कहाँ है ?) और टेक्स्ट रिकॉग्निशन (यह क्या कहता है?) में विभाजित किया जाता है। प्राकृतिक दृश्यों और कई स्कैन में, पूरी तरह से कनवल्शनल डिटेक्टर जैसे ईस्ट भारी प्रस्ताव चरणों के बिना कुशलतापूर्वक शब्द- या पंक्ति-स्तरीय चतुर्भुज की भविष्यवाणी करते हैं और आम टूलकिट में लागू किए जाते हैं (जैसे, ओपनसीवी का टेक्स्ट डिटेक्शन ट्यूटोरियल)। जटिल पृष्ठों (समाचार पत्र, फॉर्म, किताबें) पर, लाइनों/क्षेत्रों का विभाजन और पढ़ने के क्रम का अनुमान मायने रखता है:क्रैकेन पारंपरिक ज़ोन/लाइन सेगमेंटेशन और न्यूरल बेसलाइन सेगमेंटेशन को लागू करता है, जिसमें विभिन्न लिपियों और दिशाओं (LTR/RTL/ऊर्ध्वाधर) के लिए स्पष्ट समर्थन होता है।
मान्यता मॉडल। क्लासिक ओपन-सोर्स वर्कहॉर्स टेसरैक्ट (Google द्वारा ओपन-सोर्स, जिसकी जड़ें HP में हैं) एक कैरेक्टर क्लासिफायर से एक LSTM-आधारित अनुक्रम पहचानकर्ता में विकसित हुआ और खोज योग्य PDF, hOCR/ALTO-अनुकूल आउटपुट, और CLI से और भी बहुत कुछ उत्सर्जित कर सकता है। आधुनिक पहचानकर्ता पूर्व-खंडित वर्णों के बिना अनुक्रम मॉडलिंग पर भरोसा करते हैं। कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन (CTC) मौलिक बनी हुई है, जो इनपुट फ़ीचर अनुक्रमों और आउटपुट लेबल स्ट्रिंग्स के बीच संरेखण सीखती है; यह व्यापक रूप से लिखावट और दृश्य-पाठ पाइपलाइनों में उपयोग किया जाता है।
पिछले कुछ वर्षों में, ट्रांसफॉर्मर्स ने ओसीआर को नया रूप दिया है। TrOCR एक विज़न ट्रांसफॉर्मर एनकोडर और एक टेक्स्ट ट्रांसफॉर्मर डिकोडर का उपयोग करता है, जिसे बड़े सिंथेटिक कॉर्पोरा पर प्रशिक्षित किया जाता है और फिर वास्तविक डेटा पर फाइन-ट्यून किया जाता है, जिसमें मुद्रित, हस्तलिखित और दृश्य-पाठ बेंचमार्क में मजबूत प्रदर्शन होता है (यह भी देखें हगिंग फेस डॉक्स)। समानांतर में, कुछ सिस्टम डाउनस्ट्रीम समझने के लिए ओसीआर को दरकिनार करते हैं: डोनट (डॉक्यूमेंट अंडरस्टैंडिंग ट्रांसफॉर्मर) एक ओसीआर-मुक्त एनकोडर-डिकोडर है जो सीधे दस्तावेज़ छवियों से संरचित उत्तर (जैसे कुंजी-मूल्य JSON) आउटपुट करता है (रेपो, मॉडल कार्ड), जब एक अलग ओसीआर चरण एक IE सिस्टम को फीड करता है तो त्रुटि संचय से बचता है।
यदि आप कई लिपियों में बैटरी-शामिल टेक्स्ट रीडिंग चाहते हैं, EasyOCR 80+ भाषा मॉडल के साथ एक सरल एपीआई प्रदान करता है, जो बॉक्स, टेक्स्ट और आत्मविश्वास लौटाता है - प्रोटोटाइप और गैर-लैटिन लिपियों के लिए आसान। ऐतिहासिक दस्तावेज़ों के लिए, क्रैकेन बेसलाइन सेगमेंटेशन और स्क्रिप्ट-अवेयर रीडिंग ऑर्डर के साथ चमकता है; लचीले लाइन-स्तरीय प्रशिक्षण के लिए, कैलामरी ओक्रॉपी वंश पर बनाता है (ओक्रॉपी) (मल्टी-)एलएसटीएम+सीटीसी पहचानकर्ताओं और कस्टम मॉडल को फाइन-ट्यून करने के लिए एक सीएलआई के साथ।
सामान्यीकरण डेटा पर निर्भर करता है। लिखावट के लिए, IAM लिखावट डेटाबेस प्रशिक्षण और मूल्यांकन के लिए लेखक-विविध अंग्रेजी वाक्य प्रदान करता है; यह लाइन और शब्द पहचान के लिए एक लंबे समय से चली आ रही संदर्भ सेट है। दृश्य पाठ के लिए, कोको-टेक्स्ट ने एमएस-कोको पर व्यापक एनोटेशन स्तरित किए, जिसमें मुद्रित/हस्तलिखित, सुपाठ्य/अपठनीय, लिपि और पूर्ण प्रतिलेखन के लिए लेबल थे (मूल परियोजना पृष्ठभी देखें)। यह क्षेत्र सिंथेटिक प्रीट्रेनिंग पर भी बहुत अधिक निर्भर करता है: सिंथटेक्स्ट इन द वाइल्ड यथार्थवादी ज्यामिति और प्रकाश के साथ तस्वीरों में पाठ प्रस्तुत करता है, डिटेक्टरों और पहचानकर्ताओं को प्रीट्रेन करने के लिए भारी मात्रा में डेटा प्रदान करता है (संदर्भ कोड और डेटा).
के तहत प्रतियोगिताएं ICDAR’s रोबस्ट रीडिंग मूल्यांकन को आधार बनाती हैं। हाल के कार्यों में एंड-टू-एंड डिटेक्शन/रीडिंग पर जोर दिया गया है और इसमें शब्दों को वाक्यांशों में जोड़ना शामिल है, जिसमें आधिकारिक कोड रिपोर्टिंग सटीकता/रिकॉल/एफ-स्कोर, इंटरसेक्शन-ओवर-यूनियन (IoU), और कैरेक्टर-लेवल एडिट-डिस्टेंस मेट्रिक्स - जो अभ्यासकर्ताओं को ट्रैक करना चाहिए, को दर्शाता है।
ओसीआर शायद ही कभी सादे पाठ पर समाप्त होता है। अभिलेखागार और डिजिटल पुस्तकालय पसंद करते हैं ALTO XML क्योंकि यह सामग्री के साथ भौतिक लेआउट (निर्देशांक के साथ ब्लॉक/लाइनें/शब्द) को एन्कोड करता है, और यह METS पैकेजिंग के साथ अच्छी तरह से मेल खाता है। hOCR माइक्रोफ़ॉर्मैट, इसके विपरीत, ocr_line और ocrx_word जैसे क्लास का उपयोग करके HTML/CSS में उसी विचार को एम्बेड करता है, जिससे वे ब टूलिंग के साथ प्रदर्शन, संपादन और रूपांतरण करना आसान हो जाता है। टेसरैक्ट दोनों को उजागर करता है - जैसे, सीएलआई से सीधे एचओसीआर या खोज योग्य पीडीएफ बनाना (पीडीएफ आउटपुट गाइड); पाइथन रैपर जैसे pytesseract सुविधा जोड़ते हैं। hOCR और ALTO के बीच अनुवाद करने के लिए कन्वर्टर्स मौजूद हैं जब रिपॉजिटरी में निश्चित अंतर्ग्रहण मानक होते हैं - इस क्यूरेटेड सूची को देखें ओसीआर फ़ाइल-प्रारूप उपकरण.
सबसे मजबूत प्रवृत्ति अभिसरण है: पहचान, मान्यता, भाषा मॉडलिंग, और यहां तक कि कार्य-विशिष्ट डिकोडिंग एकीकृत ट्रांसफार्मर स्टैक में विलीन हो रहे हैं। बड़े सिंथेटिक कॉर्पोरा पर प्री-ट्रेनिंग एक बल गुणक बना हुआ है। ओसीआर-मुक्त मॉडल आक्रामक रूप से प्रतिस्पर्धा करेंगे जहां लक्ष्य वर्बेटिम ट्रांसक्रिप्ट के बजाय संरचित आउटपुट है। हाइब्र िड परिनियोजन की भी अपेक्षा करें: एक हल्का डिटेक्टर और लंबे-फॉर्म टेक्स्ट के लिए एक TrOCR-शैली पहचानकर्ता, और फॉर्म और रसीदों के लिए एक डोनट-शैली मॉडल।
टेसरैक्ट (गिटहब) · टेसरैक्ट डॉक्स · hOCR स्पेक · ALTO पृष्ठभूमि · ईस्ट डिटेक्टर · ओपनसीवी टेक्स्ट डिटेक्शन · TrOCR · डोनट · कोको-टेक्स्ट · सिंथटेक्स्ट · क्रैकेन · कैलामरी OCR · ICDAR आरआरसी · pytesseract · IAM लिखावट · ओसीआर फ़ाइल-प्रारूप उपकरण · EasyOCR
ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) एक प्रौद्योगिकी है जिसका उपयोग विभिन्न प्रकार के दस्तावेज़ों, जैसे कि कागजी दस्तावेज़, PDF फ़ाइलें या डिजिटल कैमरा द्वारा कैप्चर की गई छवियों, को संपादन योग्य और खोजनीय डेटा में परिवर्तित करने के लिए किया जाता है।
OCR एक इनपुट छवि या दस्तावेज़ को स्कैन करता है, छवि को अलग-अलग अक्षरों में बांटता है, और पैटर्न पहचान या विशेषता पहचान का उपयोग करके प्रत्येक वर्ण की तुलना करता है।
OCR का उपयोग विभिन्न क्षेत्रों और अनुप्रयोगों में किया जाता है, जैसे कि मुद्रित दस्तावेज़ों को डिजिटाइज़ करने, टेक्स्ट-टू-स्पीच सेवाओं को सक्षम करने, डेटा एंट्री प्रक्रियाओं को स्वचालित करने, और दृष्टिबाधित उपयोगकर्ताओं को टेक्स्ट के साथ बेहतर बातचीत करने सहायता करने।
हालांकि OCR प्रौद्योगिकी में काफ़ी प्रगति हुई है, लेकिन यह अचूक नहीं है। सटीकता मूल दस्तावेज़ की गुणवत्ता और उपयोग किए जा रहे OCR सॉफ़्टवेयर की बारीकियों पर निर्भर कर सकती है।
हालाँकि OCR मुद्रित टेक्स्ट के लिए मुख्य रूप से डिज़ाइन किया गया है, कुछ उन्नत OCR सिस् टम लिखावट पहचानने में भी सक्षम होते हैं। हालाँकि, आमतौर पर लिखावट की पहचान करने में कम सटीकता होती है क्योंकि व्यक्तिगत लेखन शैलियों में व्यापक भिन्नता होती है।
हाँ, कई OCR सॉफ़्टवेयर सिस्टम कई भाषाओं को पहचान सकते हैं। हालाँकि, यह महत्वपूर्ण है कि आपके उपयोग में आने वाले सॉफ़्टवेयर द्वारा विशिष्ट भाषा का समर्थन किया जा रहा हो।
OCR का अर्थ ऑप्टिकल कैरेक्टर रिकग्निशन है और इसका उपयोग मुद्रित पाठ को पहचानने के लिए किया जाता है, जबकि ICR, या इंटेलिजेंट कैरेक्टर रिकग्निशन, अधिक उन्नत है और इसका उपयोग हस्तलिखित पाठ को पहचानने के लिए किया जाता है।
OCR स्पष्ट, आसानी से पढ़ ने वाले फ़ॉन्ट और मानक टेक्स्ट आकारों के साथ सबसे अच्छा काम करता है। हालांकि यह विभिन्न फ़ॉन्ट और आकारों के साथ काम कर सकता है, लेकिन असामान्य फ़ॉन्ट्स या बहुत छोटे टेक्स्ट आकारों के साथ काम करते समय सटीकता कम होने की प्रवृत्ति होती है।
OCR को कम-रिज़ॉल्यूशन वाले दस्तावेज़ों, जटिल फ़ॉन्ट, खराब प्रिंट वाले पाठ, लिखावट, और ऐसी पृष्ठभूमि वाले दस्तावेज़ों के साथ समस्या हो सकती है जो पाठ के साथ हस्तक्षेप करती हैं। इसके अलावा, यह कई भाषाओं के साथ काम कर सकता है, लेकिन यह हर भाषा को पूरी तरह से कवर नहीं कर सकता है।
हाँ, OCR रंगीन टेक्स्ट और बैकग्राउंड को स्कैन कर सकता है, हालाँकि यह आमतौर पर उच्च-विपरीत रंग संयोजनों, जैसे कि एक सफे द पृष्ठभूमि पर काले टेक्स्ट, के साथ अधिक प्रभावी होता है। टेक्स्ट और पृष्ठभूमि रंगों में पर्याप्त विपरीतता की कमी होने पर सटीकता कम हो सकती है।
JPEG 2000, जिसे आमतौर पर J2K के रूप में जाना जाता है, एक छवि संपीड़न मानक और कोडिंग प्रणाली है जिसे संयुक्त फोटोग्राफिक विशेषज्ञ समूह समिति द्वारा 2000 में मूल JPEG मानक को हटाने के इरादे से बनाया गया था। इसे मूल JPEG मानक की कुछ सीमाओं को संबोधित करने और सुविधाओं का एक नया सेट प्रदान करने के लिए विकसित किया गया था जिसकी विभिन्न अनुप्रयोगों के लिए तेजी से मांग की जा रही थी। JPEG 2000 केवल एक मानक नहीं है बल्कि मानकों का एक समूह है, जो JPEG 2000 परिवार (ISO/IEC 15444) के अंतर्गत आता है।
मूल JPEG प्रारूप पर JPEG 2000 के प्राथमिक लाभों में से एक असतत कोसाइन रूपांतरण (DCT) के बजाय वेवलेट रूपांतरण का उपयोग है। वेवलेट रूपांतरण दृश्यमान कलाकृतियों की समान डिग्री के बिना उच्च संपीड़न अनुपात की अनुमति देता है जो JPEG छवियों में मौजूद हो सकते हैं। यह उच्च-रिज़ॉल्यूशन और उच्च-गुणवत्ता वाले छवि अनुप्रयोगों के लिए विशेष रूप से फायदेमंद है, जैसे कि उपग्रह इमेजरी, चिकित्सा इमेजिंग, डिजिटल सिनेमा और अभिलेखीय भंडारण, जहां छवि गुणवत्ता अत्यंत महत्वपूर्ण है।
JPEG 2000 एक ही संपीड़न आर्किटेक्चर के भीतर दोषरहित और दोषपूर्ण दोनों संपीड़न का समर्थन करता है। एक प्रतिवर्ती वेवलेट रूपांतरण का उपयोग करके दोषरहित संपीड़न प्राप्त किया जाता है, जो सुनिश्चित करता है कि मूल छवि डेटा को संपीड़ित छवि से पूरी तरह से पुनर्निर्मित किया जा सकता है। दूसरी ओर, दोषपूर्ण संपीड़न, छवि के भीतर कुछ कम महत्वपूर्ण जानकारी को त्यागकर उच्च संपीड़न अनुपात प्राप्त करने के लिए एक अपरिवर्तनीय वेव लेट रूपांतरण का उपयोग करता है।
JPEG 2000 की एक और महत्वपूर्ण विशेषता प्रगतिशील छवि संचरण के लिए इसका समर्थन है, जिसे प्रगतिशील डिकोडिंग के रूप में भी जाना जाता है। इसका मतलब यह है कि छवि को कम रिज़ॉल्यूशन पर डिकोड और प्रदर्शित किया जा सकता है और जैसे-जैसे अधिक डेटा उपलब्ध होता है, धीरे-धीरे पूर्ण रिज़ॉल्यूशन तक बढ़ाया जा सकता है। यह बैंडविड्थ-सीमित अनुप्रयोगों के लिए विशेष रूप से उपयोगी है, जैसे कि वेब ब्राउज़िंग या मोबाइल एप्लिकेशन, जहां छवि के निम्न-गुणवत्ता वाले संस्करण को जल्दी से प्रदर्शित करना और अधिक डेटा प्राप्त होने पर गुणवत्ता में सुधार करना फायदेमंद होता है।
JPEG 2000 ब्याज के क्षेत्रों (ROI) की अवधारणा भी प्रस्तुत करता है। यह छवि के विभिन्न भागों को विभिन्न गुणवत्ता स्तरों पर संपीड़ित करने की अनुमति देता है। उदाहरण के लिए, एक चिकित्सा इमेजिंग परिदृश्य में, नैदानिक विशेषत ा वाले क्षेत्र को आसपास के क्षेत्रों की तुलना में दोषरहित या उच्च गुणवत्ता पर संपीड़ित किया जा सकता है। यह चयनात्मक गुणवत्ता नियंत्रण उन क्षेत्रों में बहुत महत्वपूर्ण हो सकता है जहां छवि के कुछ हिस्से दूसरों की तुलना में अधिक महत्वपूर्ण होते हैं।
JPEG 2000 छवियों के लिए फ़ाइल प्रारूप JP2 है, जो एक मानकीकृत और विस्तार योग्य प्रारूप है जिसमें छवि डेटा और मेटाडेटा दोनों शामिल हैं। JP2 प्रारूप .jp2 फ़ाइल एक्सटेंशन का उपयोग करता है और इसमें रंग स्थान जानकारी, रिज़ॉल्यूशन स्तर और बौद्धिक संपदा जानकारी सहित जानकारी की एक विस्तृत श्रृंखला हो सकती है। इसके अतिरिक्त, JPEG 2000 जेपीएम प्रारूप (मिश्रित छवियों के लिए, जैसे कि दस्तावेज़ जिसमें टेक्स्ट और चित्र दोनों होते हैं) और गति अनुक्रमों के लिए MJ2 प्रारूप का समर्थन करता है, जो एक वीडियो फ़ाइल के समान होता है।
JPEG 2000 एक परिष्कृत कोडिंग योजना को नियो जित करता है जिसे EBCOT (इष्टतम ट्रंकेशन के साथ एम्बेडेड ब्लॉक कोडिंग) के रूप में जाना जाता है। EBCOT कई लाभ प्रदान करता है, जिसमें बेहतर त्रुटि लचीलापन और छवि गुणवत्ता और फ़ाइल आकार के बीच वांछित संतुलन प्राप्त करने के लिए संपीड़न को ठीक करने की क्षमता शामिल है। EBCOT एल्गोरिथम छवि को छोटे ब्लॉकों में विभाजित करता है, जिसे कोड-ब्लॉक कहा जाता है, और प्रत्येक को स्वतंत्र रूप से एन्कोड करता है। यह डेटा भ्रष्टाचार की स्थिति में स्थानीयकृत त्रुटि नियंत्रण की अनुमति देता है और छवियों के प्रगतिशील संचरण को सुविधाजनक बनाता है।
JPEG 2000 में रंग स्थान हैंडलिंग मूल JPEG मानक की तुलना में अधिक लचीला है। JPEG 2000 ग्रेस्केल, RGB, YCbCr और अन्य सहित रंग स्थानों की एक विस्तृत श्रृंखला का समर्थन करता है, साथ ही बाइनरी छवियों से लेकर 16 बिट प्रति घटक या उच्चतर तक विभिन्न बिट गहराई का भी समर्थन करता है। यह लचीलापन JPEG 2000 को विभ िन्न अनुप्रयोगों के लिए उपयुक्त बनाता है और यह सुनिश्चित करता है कि यह विभिन्न इमेजिंग तकनीकों की मांगों को संभाल सकता है।
JPEG 2000 में मजबूत सुरक्षा विशेषताएं भी शामिल हैं, जैसे फ़ाइल के भीतर एन्क्रिप्शन और डिजिटल वॉटरमार्किंग को शामिल करने की क्षमता। यह उन अनुप्रयोगों के लिए विशेष रूप से महत्वपूर्ण है जहां कॉपीराइट सुरक्षा या सामग्री प्रमाणीकरण एक चिंता का विषय है। मानक का JPSEC (JPEG 2000 सुरक्षा) भाग इन सुरक्षा सुविधाओं की रूपरेखा तैयार करता है, जो सुरक्षित छवि वितरण के लिए एक रूपरेखा प्रदान करता है।
JPEG 2000 के साथ चुनौतियों में से एक यह है कि यह मूल JPEG मानक की तुलना में कम्प्यूटेशनल रूप से अधिक गहन है। वेवलेट रूपांतरण और EBCOT कोडिंग योजना की जटिलता का मतलब है कि JPEG 2000 छवियों को एन्कोडिंग और डिकोडिंग के लिए अधिक प्रसंस्करण शक्ति की आवश्यकता होती है। इसने ऐतिहासिक रूप से उपभोक्ता इलेक्ट् रॉनिक्स और वेब अनुप्रयोगों में इसके अपनाने को सीमित कर दिया है, जहां कम्प्यूटेशनल ओवरहेड एक महत्वपूर्ण कारक हो सकता है। हालाँकि, जैसे-जैसे प्रसंस्करण शक्ति बढ़ी है और विशेष हार्डवेयर समर्थन अधिक सामान्य हो गया है, यह सीमा कम होती गई है।
अपने लाभों के बावजूद, JPEG 2000 ने मूल JPEG प्रारूप की तुलना में व्यापक रूप से अपनाया नहीं है। यह आंशिक रूप से JPEG प्रारूप की सर्वव्यापकता और सॉफ़्टवेयर और हार्डवेयर के विशाल पारिस्थितिकी तंत्र के कारण है जो इसका समर्थन करता है। इसके अतिरिक्त, JPEG 2000 के आसपास लाइसेंसिंग और पेटेंट के मुद्दों ने भी इसके अपनाने में बाधा डाली है। JPEG 2000 में उपयोग की जाने वाली कुछ तकनीकों का पेटेंट कराया गया था, और इन पेटेंट के लिए लाइसेंस का प्रबंधन करने की आवश्यकता ने इसे कुछ डेवलपर्स और व्यवसायों के लिए कम आकर्षक बना दिया।
फ़ाइल आकार के संदर्भ में, JPEG 2000 फ़ाइलें आमतौर पर समकक ्ष-गुणवत्ता वाली JPEG फ़ाइलों से छोटी होती हैं। यह JPEG 2000 में उपयोग किए जाने वाले अधिक कुशल संपीड़न एल्गोरिदम के कारण है, जो छवि डेटा में अतिरेक और अप्रासंगिकता को अधिक प्रभावी ढंग से कम कर सकता है। हालाँकि, फ़ाइल आकार में अंतर
यह कनवर्टर पूरी तरह से आपके ब्राउज़र मे ं चलता है। जब आप किसी फ़ाइल का चयन करते हैं, तो उसे मेमोरी में पढ़ा जाता है और चयनित प्रारूप में परिवर्तित किया जाता है। फिर आप परिवर्तित फ़ाइल डाउनलोड कर सकते हैं।
रूपांतरण तुरंत शुरू हो जाते हैं, और अधिकांश फ़ाइलें एक सेकंड के भीतर परिवर्तित हो जाती हैं। बड़ी फ़ाइलों में अधिक समय लग सकता है।
आपकी फाइलें कभी भी हमारे सर्वर पर अपलोड नहीं की जाती हैं। वे आपके ब्राउज़र में परिवर्तित हो जाती हैं, और फिर परिवर्तित फ़ाइल डाउनलोड हो जाती है। हम आपकी फाइलें कभी नहीं देखते हैं।
हम जेपीईजी, पीएनजी, जीआईएफ, वेबपी, एसवीजी, बीएमपी, টিআইএফএফ, और अधिक सहित सभी छवि प्रारू पों के बीच रूपांतरण का समर्थन करते हैं।
यह कनवर्टर पूरी तरह से मुफ्त है, और हमेशा मुफ्त रहेगा। क्योंकि यह आपके ब्राउज़र में चलता है, हमें सर्वर के लिए भुगतान करने की आवश्यकता नहीं है, इसलिए हमें आपसे शुल्क लेने की आवश्यकता नहीं है।
हाँ! आप एक साथ जितनी चाहें उतनी फाइलें परिवर्तित कर सकते हैं। बस उन्हें जोड़ते समय कई फाइलों का चयन करें।