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 छवि प्रारूप, जिसे अक्सर JP2 के रूप में संक्षिप्त किया जाता है, एक छवि एन्कोडिंग सिस्टम है जिसे मूल JPEG मानक के उत्तराधिकारी के रूप में बनाया गया था। इसे 2000 के दशक की शुरुआत में संयुक्त फोटोग्राफिक विशेषज्ञ समूह समिति द्वारा एक नए छवि प्रारूप को प्रदान करने के इरादे से विकसित किया गया था जो पारंपरिक JPEG प्रारूप की कुछ सीमाओं को दूर कर सके। JPEG 2000 को मानक JPEG प्रारूप के साथ भ्रमित नहीं होना चाहिए, जो .jpg या .jpeg फ़ाइल एक्सटेंशन का उपयोग करता है। JPEG 2000 अपनी फ़ाइलों के लिए .jp2 एक्सटेंशन का उपयोग करता है और अपने पूर्ववर्ती पर कई महत्वपूर्ण सुधार प्रदान करता है, जिसमें उच्च संपीड़न अनुपात पर बेहतर छवि गुणवत्ता, उच्च बिट गहराई के लिए समर्थन और अल्फा चैनलों के माध्यम से पारदर्शिता की बेहतर हैंडलिंग शामिल है।
JPEG 2000 की प्रमुख विशेषताओं में से एक मूल JPEG प्रारूप में उपयोग किए जाने वाले असतत कोसाइन ट्रांसफॉर्म (DCT) के विपरीत, वेवलेट संपीड़न का उपयोग है। वेवलेट संपीड़न डेटा संपीड़न का एक रूप है जो छवि संपीड़न के लिए उपयुक्त है, जहां गुणवत्ता का त्याग किए बिना फ़ाइल का आकार कम हो जाता है। यह छवि को एक वेवलेट डोमेन में बदलकर प्राप्त किया जाता है जहां छवि जानकारी को इस तरह से संग्रहीत किया जाता है जो विस्तार के विभिन्न स्तरों की अनुमति देता है। इसका मतलब यह है कि JPEG 2000 एक ही फ़ाइल प्रारूप के भीतर दोषरहित और दोषपूर्ण दोनों तरह के संपीड़न की पेशकश कर सकता है, जो उपयोगकर्ता की ज़रूरतों के आधार पर लचीलापन प्रदान करता है।
JPEG 2000 का एक और महत्वपूर्ण लाभ प्रगतिशील डिकोडिंग के लिए इसका समर्थन है। यह सुविधा फ़ाइल के डाउनलोड होने पर भी छवि के निम्न-रिज़ॉल्यूशन संस्करण को प्रदर्शित करने की अनुमति देती है, जो विशेष रूप से वेब छवियों के लिए उपयोगी हो सकती है। जैसे-जैसे अधिक डेटा प्राप्त होता है, छवि गुणवत्ता उत्तरोत्तर बेहतर होती जाती है जब तक कि पूर्ण-रिज़ॉल्यूशन छवि प्रदर्शित नहीं हो जाती। यह मानक JPEG प्रारूप के विपरीत है, जहां पूरी फ़ाइल डाउनलोड होने के बाद ही छवि प्रदर्शित की जा सकती है।
JPEG 2000 रुचि के क्षेत्रों (ROI) की अवधारणा भी प्रस्तुत करता है। यह किसी छवि के विभिन्न भागों को विभिन्न गुणवत्ता स्तरों पर संपीड़ित करने की अनुमति देता है। उदाहरण के लिए, किसी व्यक्ति की तस्वीर में, व्यक्ति के चेहरे को पृष्ठभूमि की तुलना में उच्च गुणवत्ता के साथ एन्कोड किया जा सकता है। यह चयनात्मक गुणवत्ता नियंत्रण उन अनुप्रयोगों में बहुत उपयोगी हो सकता है जहां किसी छवि के कुछ हिस्से दूसरों की तुलना में अधिक महत्वपूर्ण होते हैं।
JPEG 2000 प्रारूप भी अत्यधिक स्केलेबल है। यह छवि रिज़ॉल्यूशन, रंग गहराई और छवि घटकों की एक विस्तृत श्रृंखला का समर्थन करता है। यह स्केलेबिलिटी स्थानिक और गुणवत्ता दोनों आयामों तक फैली हुई है, जिसका अर्थ है कि एक एकल JPEG 2000 फ़ाइल कई रिज़ॉल्यूशन और गुणवत्ता स्तरों को संग्रहीत कर सकती है, जिन्हें विभिन्न अनुप्रयोगों या उपकरणों के लिए आवश्यकतानुसार निकाला जा सकता है। यह JPEG 2000 को डिजिटल सिनेमा से लेकर मेडिकल इमेजिंग तक विभिन्न प्रकार के उपयोगों के लिए एक उत्कृष्ट विकल्प बनाता है, जहां विभिन्न उपयोगकर्ताओं को विभिन्न छवि विशेषताओं की आवश्यकता हो सकती है।
रंग सटीकता के संदर्भ में, JPEG 2000 मानक JPEG में प्रति चैनल 8 बिट की तुलना में प्रति रंग चैनल 16 बिट तक का समर्थन करता है। यह बढ़ी हुई बिट गहराई रंगों की एक विस्तृत श्रृंखला और उनके बीच अधिक सूक्ष्म उन्नयन की अनुमति देती है, जो विशेष रूप से उच्च-स्तरीय फोटो संपादन और मुद्रण के लिए महत्वपूर्ण है जहां रंग निष्ठा मह त्वपूर्ण है।
JPEG 2000 में मजबूत त्रुटि लचीलापन विशेषताएं भी शामिल हैं, जो इसे वायरलेस नेटवर्क या इंटरनेट जैसे डेटा भ्रष्टाचार के उच्च जोखिम वाले नेटवर्क पर छवियों को प्रसारित करने के लिए अधिक उपयुक्त बनाती हैं। प्रारूप में यह सुनिश्चित करने के लिए चेकसम और अन्य डेटा अखंडता जांच शामिल हो सकती है कि छवि को फिर से बनाया जा सकता है भले ही कुछ डेटा पैकेट ट्रांसमिशन के दौरान खो गए हों।
अपने कई फायदों के बावजूद, JPEG 2000 को मूल JPEG प्रारूप की तुलना में व्यापक रूप से अपनाया नहीं गया है। इसका एक कारण JPEG 2000 संपीड़न एल्गोरिथम की जटिलता है, जिसके लिए छवियों को एन्कोड और डिकोड करने के लिए अधिक कम्प्यूटेशनल शक्ति की आवश्यकता होती है। इसने इसे उपभोक्ता इलेक्ट्रॉनिक्स और वेब प्लेटफॉर्म के लिए कम आकर्षक बना दिया है, जो अक्सर गति और सरलता को प्राथमिकता देते हैं। इसके अतिरिक्त, मूल JPEG प्रारूप उद्योग में गहराई से उलझा हुआ है और इसमें सॉफ़्टवेयर और हार्डवेयर समर्थन का एक विशाल पारिस्थितिकी तंत्र है, जिससे एक नए प्रारूप के लिए पैर जमाना मुश्किल हो जाता है।
एक अन्य कारक जिसने JPEG 2000 को अपनाने को सीमित कर दिया है, वह पेटेंट का मुद्दा है। JPEG 2000 मानक में ऐसी प्रौद्योगिकियां शामिल हैं जिन्हें विभिन्न संस्थाओं द्वारा पेटेंट कराया गया था, और इससे लाइसेंसिंग शुल्क और कानूनी बाधाओं के बारे में चिंताएं पैदा हुई हैं। हालाँकि इनमें से कई पेटेंट समाप्त हो चुके हैं या उचित और गैर-भेदभावपूर्ण शर्तों पर उपलब्ध कराए गए हैं, लेकिन प्रारंभिक अनिश्चितता ने कुछ संगठनों की प्रारूप को अपनाने की अनिच्छा में योगदान दिया।
इन चुनौतियों के बावजूद, JPEG 2000 ने कुछ पेशेवर क्षेत्रों में एक जगह बनाई है जहां इसकी उन्नत विशेषताएं विशेष रूप से मूल्यवान हैं। उदाहरण के लिए, डिजिटल सिनेमा में, JPEG 2000 का उपयोग फिल्मों के वितरण और प्रक्षेपण के लिए डिजिटल सिनेमा पहल (DCI) विनिर्देश के हिस्से के रूप में किया जाता है। इसका उच्च-गुणवत्ता वाला छवि प्रतिनिधित्व और स्केलेबिलिटी इसे उच्च-रिज़ॉल्यूशन वाली मूवी स्क्रीन की मांगों के लिए उपयुक्त बनाता है।
संग्रह और डिजिटल संरक्षण के क्षेत्र में, JPEG 2000 को इसकी दोषरहित संपीड़न क्षमताओं और छवियों को इस तरह से संग्रहीत करने की क्षमता के लिए भी पसंद किया जाता है जो कुशल और दीर्घकालिक संरक्षण के लिए अनुकूल दोनों है। पुस्तकालय, संग्रहालय और अन्य संस्थान जिन्हें अपने संग्रह की उच्च-गुणवत्ता वाली डिजिटल प्रतियां की आवश्यकता होती है, अक्सर इन कारणों से JPEG 2000 चुनते हैं।
मेडिकल इमेजिंग उद्योग एक और क्षेत्र है जहां JPEG 2000 को सफलतापूर्वक लागू किया गया है। उच्च बिट गहराई और दोषरहित संपीड़न के लिए प्रारूप का समर्थन यह सुनिश्चित करने के लिए आवश्यक है कि चिकित्सा छवियां, जैसे कि एक्स-रे और एमआरआई स्कैन, सटीक निदान और विश्लेषण के लिए सभी आवश्यक विवरण बनाए रखें। इसके अतिरिक्त, बहुत बड़ी छवि फ़ाइलों
यह कनवर्टर पूरी तरह से आपके ब्राउज़र में 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 प्रारूपों 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।