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 करत े 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 पढ ़ने 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, कैलामారి 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: SynthText in the Wild यथार् थवादी 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 Robust Reading 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 वेब 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 अभिसर ण 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। हाइब्रिड 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 · SynthText · क्रैकेन · कैलामरी ओसीआर · ICDAR RRC · 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 सिस्टम 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 पढ़ने 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 सफेद 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।
JP2 या JPEG 2000 भाग 1 फ़ाइल स्वरूप एक छवि एन्कोडिंग प्रणाली है जिसे संयुक्त फोटोग्राफिक विशेषज्ञ समूह द्वारा मूल JPEG मानक के उत्तराधिकारी के रूप में बनाया गया था। इसे वर्ष 2000 में पेश किया गया था औ र इसे औपचारिक रूप से ISO/IEC 15444-1 के रूप में जाना जाता है। अपने पूर्ववर्ती के विपरीत, JPEG 2000 को एक अधिक कुशल और लचीली छवि संपीड़न तकनीक प्रदान करने के लिए डिज़ाइन किया गया था जो मूल JPEG स्वरूप की कुछ सीमाओं को संबोधित कर सके। JPEG 2000 वेवलेट-आधारित संपीड़न का उपयोग करता है, जो एक ही फ़ाइल के भीतर दोषरहित और दोषपूर्ण दोनों संपीड़न की अनुमति देता है, जो उच्च स्तर की मापनीयता और छवि निष्ठा प्रदान करता है।
JPEG 2000 स्वरूप की प्रमुख विशेषताओं में से एक मूल JPEG स्वरूप में उपयोग किए जाने वाले असतत कोसाइन रूपांतरण (DCT) के विपरीत, असतत वेवलेट रूपांतरण (DWT) का उपयोग है। DWT, DCT पर कई लाभ प्रदान करता है, जिसमें बेहतर संपीड़न दक्षता, विशेष रूप से उच्च रिज़ॉल्यूशन वाली छवियों के लिए, और कम अवरोधक कलाकृतियाँ शामिल हैं। ऐसा इसलिए है क्योंकि वेवलेट रूपांतरण एक छवि को विभिन्न स्तरों के विवरण के साथ प्रदर्शित करने में सक्षम ह ै, जिसे एप्लिकेशन की विशिष्ट आवश्यकताओं या उपयोगकर्ता की प्राथमिकताओं के अनुसार समायोजित किया जा सकता है।
JP2 स्वरूप ग्रेस्केल, RGB, YCbCr, और अन्य सहित रंगीन स्थानों की एक विस्तृत श्रृंखला का समर्थन करता है, साथ ही साथ विभिन्न बिट गहराई, बाइनरी छवियों से लेकर 16 बिट प्रति चैनल तक। यह लचीलापन इसे विभिन्न प्रकार के अनुप्रयोगों के लिए उपयुक्त बनाता है, डिजिटल फोटोग्राफी से लेकर चिकित्सा इमेजिंग और रिमोट सेंसिंग तक। इसके अतिरिक्त, JPEG 2000 एक अल्फा चैनल के उपयोग के माध्यम से पारदर्शिता का समर्थन करता है, जो मानक JPEG स्वरूप में संभव नहीं है।
JPEG 2000 का एक और महत्वपूर्ण लाभ प्रगतिशील डिकोडिंग के लिए इसका समर्थन है। इसका मतलब यह है कि पूरी फ़ाइल डाउनलोड होने से पहले एक छवि को कम रिज़ॉल्यूशन और गुणवत्ता स्तर पर डिकोड और प्रदर्शित किया जा सकता है, जो विशेष रूप से वेब अनुप्रयोगों के लिए उपयोगी है। जैसे-जैसे अधिक डेटा उपलब्ध होता है, छवि गुणवत्ता को उत्तरोत्तर बढ़ाया जा सकता है। 'गुणवत्ता परतों' के रूप में जानी जाने वाली यह सुविधा, कुशल बैंडविड्थ उपयोग की अनुमति देती है और बैंडविड्थ-बाधित वातावरण में एक बेहतर उपयोगकर्ता अनुभव प्रदान करती है।
JPEG 2000 'रुचि के क्षेत्रों' (ROI) की अवधारणा भी प्रस्तुत करता है। ROI के साथ, छवि के कुछ हिस्सों को छवि के बाकी हिस्सों की तुलना में उच्च गुणवत्ता पर एन्कोड किया जा सकता है। यह विशेष रूप से उपयोगी होता है जब किसी छवि के भीतर विशिष्ट क्षेत्रों पर ध्यान आकर्षित करने की आवश्यकता होती है, जैसे कि निगरानी या चिकित्सा निदान में, जहां फोकस छवि के भीतर किसी विशेष विसंगति या विशेषता पर हो सकता है।
JP2 स्वरूप में मजबूत मेटाडेटा हैंडलिंग क्षमताएँ शामिल हैं। यह मेटाडेटा जानकारी की एक विस्तृत श्रृंखला को संग्रहीत कर सकता है, जैसे कि इंटरनेशनल प्रे स टेलीकम्युनिकेशंस काउंसिल (IPTC) मेटाडेटा, Exif डेटा, XML डेटा और यहाँ तक कि बौद्धिक संपदा जानकारी भी। यह व्यापक मेटाडेटा समर्थन बेहतर छवि सूचीकरण और संग्रहण की सुविधा प्रदान करता है, और यह सुनिश्चित करता है कि छवि के बारे में महत्वपूर्ण जानकारी संरक्षित है और आसानी से पहुँचा जा सकता है।
त्रुटि लचीलापन JPEG 2000 की एक और विशेषता है जो इसे उन नेटवर्कों पर उपयोग के लिए उपयुक्त बनाती है जहाँ डेटा हानि हो सकती है, जैसे वायरलेस या उपग्रह संचार। स्वरूप में त्रुटि का पता लगाने और सुधार के लिए तंत्र शामिल हैं, जो यह सुनिश्चित करने में मदद कर सकते हैं कि छवियों को सही ढंग से डिकोड किया गया है, भले ही संचरण के दौरान कुछ डेटा दूषित हो गया हो।
JPEG 2000 फ़ाइलें आमतौर पर समान गुणवत्ता स्तरों पर एन्कोड किए जाने पर JPEG फ़ाइलों की तुलना में आकार में बड़ी होती हैं, जो इसके व्यापक रूप से अपनाने में बाधाओं में से एक रही है। हालाँकि, उन अनुप्रयोगों के लिए जहाँ छवि गुणवत्ता सर्वोपरि है और बढ़ा हुआ फ़ाइल आकार कोई महत्वपूर्ण चिंता नहीं है, JPEG 2000 स्पष्ट लाभ प्रदान करता है। यह भी ध्यान देने योग्य है कि स्वरूप की बेहतर संपीड़न दक्षता JPEG की तुलना में उच्च गुणवत्ता स्तरों पर छोटे फ़ाइल आकार में परिणाम कर सकती है, विशेष रूप से उच्च-रिज़ॉल्यूशन वाली छवियों के लिए।
JP2 स्वरूप विस्तार योग्य है और इसे JPEG 2000 के रूप में जाने जाने वाले मानकों के एक बड़े सूट का हिस्सा बनने के लिए डिज़ाइन किया गया था। इस सूट में विभिन्न भाग शामिल हैं जो मूल स्वरूप की क्षमताओं का विस्तार करते हैं, जैसे गतिशील इमेजरी के लिए समर्थन (JPEG 2000 भाग 2), सुरक्षित छवि संचरण (JPEG 2000 भाग 8), और इंटरैक्टिव प्रोटोकॉल (JPEG 2000 भाग 9)। यह विस्तारशीलता सुनिश्चित करती है कि स्वरूप भविष्य के मल्टीमीडिया अनुप्रयोगों की आवश्यकताओं को पूरा करने के लिए विकसित हो सकता है।
फ़ाइल संरचना के संदर्भ में, एक JP2 फ़ाइल में बक्सों का एक क्रम होता है, जिनमें से प्रत्येक में एक विशिष्ट प्रकार का डेटा होता है। बक्सों में फ़ाइल हस्ताक्षर बॉक्स शामिल है, जो फ़ाइल को JPEG 2000 कोडस्ट्रीम के रूप में पहचानता है, फ़ाइल प्रकार बॉक्स, जो मीडिया प्रकार और संगतता को निर्दिष्ट करता है, और हेडर बॉक्स, जिसमें छवि गुण जैसे चौड़ाई, ऊँचाई, रंग स्थान और बिट गहराई होती है। अतिरिक्त बक्सों में रंग विनिर्देश डेटा, अनुक्रमित रंग छवियों के लिए पैलेट डेटा, रिज़ॉल्यूशन जानकारी और बौद्धिक संपदा अधिकार डेटा हो सकता है।
JP2 फ़ाइल में वास्तविक छवि डेटा 'सन्निहित कोडस्ट्रीम' बॉक्स के भीतर निहित है, जिसमें संपीड़ित छवि डेटा और कोई भी कोडिंग शैली जानकारी शामिल है। कोडस्ट्रीम को 'टाइल' में व्यवस्थित किया जाता है, जो छवि के स्वतंत्र रूप से एन्कोड किए गए खंड होते हैं। यह टाइलिंग सुविधा पूरी छवि को डिकोड करने की आवश्यकता के बिना छवि के कुछ हिस्सों तक कुशल यादृच्छिक पहुँच की अनुमति देती है, जो बड़ी छवियों के लिए या जब छवि के केवल एक हिस्से की आवश्यकता होती है, के लिए फायदेमंद है।
JPEG 2000 में संपीड़न प्रक्रिया में कई चरण शामिल हैं। सबसे पहले, छवि को वैकल्पिक रूप से पूर्व-संसाधित किया जाता है, जिसमें टाइलिंग, रंग परिवर्तन और डाउनसैंपलिंग शामिल हो सकते हैं। इसके बाद, छवि डेटा को विभिन्न रिज़ॉल्यूशन और गुणवत्ता स्तरों पर छवि का प्रतिनिधित्व करने वाले गुणांकों के एक पदानुक्रमित सेट में बदलने के लिए DWT लागू किया जाता है। फिर इन गुणांकों को क्वांटिज़ किया जाता है, जो दोषरहित या दोषपूर्ण तरीके से किया जा सकता है, और क्वांटिज़ किए गए मानों
यह कन्वर्टर पूरी तरह से आपके ब्राउज़र में चलता है। जब आप एक फ़ाइल का चयन करते हैं, तो यह स्मृति में पढ़ा जाता है और चयनित प्रारूप में रूपांतरित किया जाता है। आप फिर रूपांतरित फ़ाइल डाउनलोड कर सकते हैं।
रूपांतरण तत्काल प्रारंभ होते हैं, और अधिकांश फ़ाइलें एक सेकंड के भीतर रूपांतरित की जाती हैं। बड़ी फ़ाइलें अधिक समय ले सकती हैं।
आपकी फ़ाइलें कभी हमारे सर्वर पर अपलोड नहीं की जाती हैं। वे आपके ब्राउज़र में रूपांतरित होती हैं, और फिर रूपांतरित फ़ाइल डाउनलोड की जाती है। हमें आपकी फ़ाइलें कभी नहीं दिखाई देती हैं।
हम सभी छवि प्रारूपों के बीच रूपांतरण का समर्थन करते हैं, जिसमें JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, और अधिक शामिल हैं।
यह कन्वर्टर 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 होती, इसलिए हमें आपसे शुल्क नहीं लगाना पड़ता।
हाँ! आप एक साथ जितनी चाहें उतनी फ़ाइलें रूपांतरित कर सकते हैं। बस जब आप उन्हें जोड़ते हैं तो कई फ़ाइलें चुनें।