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।
MAT इमेज फॉर्मेट, जो आमतौर पर MATLAB से जुड़ा है, जो MathWorks द्वारा विकसित एक उच्च-स्तरीय भाषा और इंटरेक्टिव वातावरण है, JPEG या PNG जैसे पारंपरिक इमेज फॉर्मेट नहीं है। इसके बजाय, यह मैट्रिक्स, वेरिएबल और अन्य डेटा प्रकारों को स्टोर करने के लिए एक फाइल फॉर्मेट है जो आमतौर पर MATLAB के भीतर उपयोग किया जाता है। MAT फॉर्मेट MATLAB MAT-फाइल का संक्षिप्त रूप है। यह फाइल फॉर्मेट MATLAB उपयोगकर्ताओं के लिए आवश्यक है क्योंकि यह सत्र डेटा के स्टोरेज और प्रबंधन की अनुमति देता है, जिसमें वेरिएबल, फंक्शन, एरे और यहां तक कि इमेज भी शामिल हो सकते हैं, एक ऐसे फॉर ्मेट में जिसे आगे के विश्लेषण या प्रोसेसिंग के लिए MATLAB वर्कस्पेस में आसानी से वापस लोड किया जा सकता है।
MAT-फाइलें बाइनरी डेटा कंटेनर हैं जो कई वेरिएबल को होल्ड कर सकती हैं, जिसमें बहु-आयामी एरे और स्केलर डेटा शामिल हैं। जब इमेज की बात आती है, तो MATLAB उन्हें मैट्रिक्स के रूप में मानता है जिसमें प्रत्येक पिक्सेल मान मैट्रिक्स में एक तत्व के रूप में संग्रहीत होता है। ग्रेस्केल इमेज के लिए, यह एक द्वि-आयामी मैट्रिक्स है, जबकि कलर इमेज के लिए, यह लाल, हरे और नीले रंग के घटकों के लिए अलग-अलग लेयर के साथ एक त्रि-आयामी मैट्रिक्स है। MAT फॉर्मेट ऐसे इमेज डेटा को स्टोर करने के लिए विशेष रूप से उपयोगी है क्योंकि यह डेटा की सटीक संख्यात्मक परिशुद्धता और संरचना को संरक्षित करता है, जो वैज्ञानिक और इंजीनियरिंग अनुप्रयोगों के लिए महत्वपूर्ण है।
MAT फाइल फॉर्मेट समय के साथ विकसित हुआ है, जिसमें MATLAB के अपडेट होने पर विभिन्न संस्करण जारी किए गए हैं। सबसे आम संस्करण MAT-फाइल संस्करण 4, 5 और 7 हैं, जिसमें संस्करण 7.3 2023 में मेरे ज्ञान की कटऑफ के अनुसार नवीनतम है। प्रत्येक संस्करण ने डेटा क्षमता, संपीड़न और HDF5 (हाइरेरिकल डेटा फॉर्मेट संस्करण 5) के साथ संगतता के संदर्भ में सुधार पेश किए हैं, जो जटिल डेटा को स्टोर करने और प्रबंधित करने के लिए व्यापकि रूप से उपयोग किया जाने वाला डेटा मॉडल, लाइब्रेरी और फाइल फॉर्मेट है।
MAT-फाइल संस्करण 4 सबसे सरल और सबसे पुराना फॉर्मेट है, जो डेटा संपीड़न या जटिल पदानुक्रमित संरचनाओं का समर्थन नहीं करता है। यह मुख्य रूप से MATLAB के पुराने संस्करणों के साथ संगतता के लिए उपयोग किया जाता है। संस्करण 5 एक अधिक उन्नत फॉर्मेट है जिसने डेटा संपीड़न, यूनिकोड कैरेक्टर एन्कोडिंग और जटिल संख्याओं और ऑब्जेक्ट के लिए समर्थन जैसी सुविधाएँ पेश कीं। संस्करण 7 ने और अधिक संवर्द्ध न जोड़े, जिसमें बेहतर संपीड़न और बड़े एरे को स्टोर करने की क्षमता शामिल है। संस्करण 7.3 पूरी तरह से HDF5 मानक के साथ एकीकृत होता है, जिससे MAT-फाइलें HDF5 की उन्नत सुविधाओं का लाभ उठा सकती हैं, जैसे कि बड़ा डेटा स्टोरेज और अधिक जटिल डेटा संगठन।
MAT फाइलों से निपटने के दौरान, विशेष रूप से इमेज डेटा के लिए, यह समझना महत्वपूर्ण है कि MATLAB इमेज को कैसे हैंडल करता है। MATLAB इमेज को संख्याओं के एरे के रूप में दर्शाता है, जिसमें प्रत्येक संख्या ग्रेस्केल इमेज में पिक्सेल की तीव्रता या RGB इमेज में कलर कोड से मेल खाती है। उदाहरण के लिए, एक 8-बिट ग्रेस्केल इमेज को 0 से 255 तक के मानों के साथ एक मैट्रिक्स के रूप में संग्रहीत किया जाता है, जहां 0 काला, 255 सफेद का प्रतिनिधित्व करता है, और बीच के मान ग्रे के शेड का प्रतिनिधित्व करते हैं। कलर इमेज के मामले में, MATLAB एक त्रि-आयामी एरे का उपयोग करता है जहां पहले दो आयाम पिक्सेल पोजीशन से मेल खाते हैं और तीसरा आयाम कलर चैनल से मेल खाता है।
MATLAB में एक MAT फाइल बनाने के लिए, 'save' फंक्शन का उपयोग किया जा सकता है। यह फंक्शन उपयोगकर्ताओं को फाइल का नाम और उन वेरिएबल को निर्दिष्ट करने की अनुमति देता है जिन्हें वे सेव करना चाहते हैं। उदाहरण के लिए, 'imageData.mat' नामक MAT-फाइल में 'img' नामक एक इमेज मैट्रिक्स को सेव करने के लिए, कोई 'save('imageData.mat', 'img')' कमांड निष्पादित करेगा। यह कमांड एक MAT-फाइल बनाएगा जिसमें इमेज डेटा होगा जिसे बाद में 'load' फंक्शन का उपयोग करके MATLAB में वापस लोड किया जा सकता है।
MATLAB में एक MAT फाइल को लोड करना सरल है। 'load' फंक्शन का उपयोग फाइल से डेटा को पढ़ने और इसे MATLAB वर्कस्पेस में लाने के लिए किया जाता है। उदाहरण के लिए, 'load('imageData.mat')' निष्पादित करने से 'imageData.mat' की सामग्री वर्कस्पेस में लोड हो जाएगी, जिससे उपयोगकर्ता संग्रहीत इमेज डेटा को एक्सेस और हेरफेर कर सकेगा। लोड करने के बाद 'whos' कमांड का उपयोग उन वेरिएबल के बारे में जानकारी प्रदर्शित करने के लिए किया जा सकता है जिन्हें लोड किया गया है, जिसमें उनका आकार, आकृति और डेटा प्रकार शामिल है।
MAT फॉर्मेट के प्रमुख लाभों में से एक डेटा को कॉम्पैक्ट और कुशलता से स्टोर करने की इसकी क्षमता है। MAT-फाइल में डेटा को सेव करते समय, MATLAB फाइल के आकार को कम करने के लिए संपीड़न लागू कर सकता है। यह इमेज डेटा के लिए विशेष रूप से उपयोगी है, जो काफी बड़ा हो सकता है, खासकर जब उच्च-रिज़ॉल्यूशन इमेज या व्यापक इमेज डेटासेट से निपटना हो। MAT-फाइलों में उपयोग किया जाने वाला संपीड़न दोषरहित है, जिसका अर्थ है कि जब डेटा को वापस MATLAB में लोड किया जाता है, तो यह परिशुद्धता या गुणवत्ता में किसी भी नुकसान के बिना मूल डेटा के समान होता है।
MAT-फाइलें मेटाडेटा के स्टोरेज का भी समर्थन करती हैं, जिसमें डेटा की उत्पत्ति, इसे बनाए जाने की तिथि, उपयोग किए गए MATLAB संस्करण और किसी भी अन्य प्रासंगिक विवरण के बारे में जानकारी शामिल हो सकती है। यह मेटाडेटा अत्यंत मूल्यवान हो सकता है जब दूसरों के साथ डेटा साझा किया जाता है या भविष्य के उपयोग के लिए डेटा को संग्रहीत किया जाता है, क्योंकि यह संदर्भ प्रदान करता है और यह सुनिश्चित करता है कि डेटा की सही व्याख्या और पुनरुत्पादन किया जा सकता है।
संख्यात्मक एरे और इमेज डेटा के अलावा, MAT-फाइलें कई अन्य प्रकार के डेटा को स्टोर कर सकती हैं, जैसे कि संरचनाएं, सेल एरे, टेबल और ऑब्जेक्ट। यह लचीलापन MAT-फाइलों को MATLAB उपयोगकर्ताओं के लिए एक बहुमुखी उपकरण बनाता है, क्योंकि वे एक ही फाइल में डेटा प्रकारों और संरचनाओं की एक विस्तृत श्रृंखला को एनकैप्सुलेट कर सकते हैं। यह जटिल परियोजनाओं के लिए विशेष रूप से उपयोगी है जिसमें कई प्रकार के डेटा शामिल होते हैं, क्योंकि सभी प्रासंग िक डेटा को एक सुसंगत और व्यवस्थित तरीके से सहेजा जा सकता है।
उन उपयोगकर्ताओं के लिए जिन्हें MATLAB के बाहर MAT-फाइलों के साथ इंटरैक्ट करने की आवश्यकता है, MathWorks MAT-फाइल I/O लाइब्रेरी प्रदान करता है, जो C, C++ और फोरट्रान में लिखे गए प्रोग
यह कनवर्टर पूरी तरह से आपके ब्राउज़ र 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।