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।
पोर्टेबल फ्लोटमैप (PFM) फाइल फॉर्मेट एक कम-ज्ञात लेकिन महत्वपूर्ण इमेज फॉर्मेट है, खासकर उन क्षेत्रों में जहां इमेज डेटा में उच्च निष्ठा और परिशुद्धता की आवश्यकता होती है। JPEG या PNG जैसे अधिक सामान्य फॉर्मेट के विपरीत जो सामान्य उपयोग और वेब ग्राफिक्स के लिए डिज़ाइन किए गए हैं, PFM फॉर्मेट को विशेष रूप से हाई-डायनामिक-रेंज (HDR) इमेज डेटा को स्टोर करने और संभालने के लिए इंजीनियर किया गया है। इसका मतलब यह है कि यह पारंपरिक 8-बिट या 16-बिट इमेज फॉर्मेट की तुलना में ल्यूमिनेंस स्तरों की एक बहुत व्यापक रेंज का प्रतिनिधित्व कर सकता है। PFM फॉर्मेट प्रत्येक पिक्सेल की तीव्रता का प्रतिनिधित्व करने के लिए फ्लोटिंग-पॉइंट नंबरों का उपयोग करके इसे पूरा करता है, जिससे सबसे गहरे छाया से लेकर सबसे चमकीले हाइलाइट तक, चमक मानों की लगभग असीमित रेंज की अनुमति मिलती है।
PFM फाइलें HDR डेटा को स्टोर करने में उनकी सादगी और दक्षता की विशेषता रखती हैं। एक PFM फाइल अनिवार्य रूप से एक बाइनरी फाइल है जिसमें पिक्सेल डेटा के बाद एक हेडर सेक्शन होता है। हेडर ASCII टेक्स्ट है, जो इसे मानव-पठनीय बनाता है, और यह इमेज के बारे में महत्वपूर्ण जानकारी निर्दिष्ट करता है, जैसे कि इसके आयाम (चौड़ाई और ऊंचाई) और पिक्सेल डेटा ग्रेस्केल या RGB फॉर्मेट में संग्रहीत है या नहीं। हेडर के बाद, पिक्सेल डेटा को बाइनरी फॉर्मेट में संग्रहीत किया जाता है, जिसमें प्रत्येक पिक्सेल के मान को 32-बिट (ग्रेस्केल इमेज के लिए) या 96-बिट (RGB इमेज के लिए) IEEE फ्लोटिंग-पॉइंट नंबर के रूप में दर्शाया जाता है। यह संरचना HDR इमेजिंग के लिए आवश्यक परिशुद्धता प्रदान करते हुए सॉफ़्टवेयर में फॉर्मेट को लागू करना सरल बनाती है।
PFM फॉर्मेट का एक अनूठा पहलू लिटिल-एंडियन और बिग-एंडियन बाइट ऑर्डरिंग दोनों के लिए इसका समर्थन है। यह लचीलापन सुनिश्चित करता है कि फॉर्मेट को संगतता समस्याओं के बिना विभिन्न कंप्यूटिंग प्लेटफॉर्म पर उपयोग किया जा सकता है। बाइट ऑर्डर को हेडर में फॉर्मेट आइडेंटिफायर द्वारा इंगित किया जाता है: RGB इमेज के लिए 'PF' और ग्रेस्केल इमेज के लिए 'Pf'। यदि आइडेंटिफायर अपरकेस है, तो इसका मतलब है कि फाइल बिग-एंडियन बाइट ऑर्डर का उपयोग करती है; यदि यह लोअरकेस है, तो फाइल लिटिल-एंडियन का उपयोग करती है। यह तंत्र न केवल सुरुचिपूर्ण है बल्कि फाइलों को विभिन्न बाइट ऑर्डर वाले सिस्टम के बीच साझा किए जाने पर फ्लोटिंग-पॉइंट डेटा की सटीकता को बनाए रखने के लिए भी महत्वपूर्ण है।
HDR इमेज का प्रतिनिधित्व करने में इसके फायदों के बावजूद, PFM फॉर्मेट का उपयोग उपभोक्ता अनुप्रयोगों या वेब ग्राफिक्स में व् यापक रूप से नहीं किया जाता है क्योंकि प्रत्येक पिक्सेल के लिए फ्लोटिंग-पॉइंट प्रतिनिधित्व का उपयोग करने से बड़े फाइल आकार होते हैं। इसके अलावा, अधिकांश डिस्प्ले डिवाइस और सॉफ़्टवेयर को PFM फाइलों द्वारा प्रदान की जाने वाली उच्च गतिशील रेंज और परिशुद्धता को संभालने के लिए डिज़ाइन नहीं किया गया है। परिणामस्वरूप, PFM फाइलों का उपयोग मुख्य रूप से कंप्यूटर ग्राफिक्स अनुसंधान, दृश्य प्रभाव उत्पादन और वैज्ञानिक विज़ुअलाइज़ेशन जैसे पेशेवर क्षेत्रों में किया जाता है, जहां अत्यधिक इमेज गुणवत्ता और निष्ठा की आवश्यकता होती है।
PFM फाइलों के प्रसंस्करण के लिए विशेष सॉफ़्टवेयर की आवश्यकता होती है जो फ्लोटिंग-पॉइंट डेटा को सटीक रूप से पढ़ और लिख सकता है। फॉर्मेट के सीमित अपनाने के कारण, ऐसा सॉफ़्टवेयर अधिक प्रचलित इमेज फॉर्मेट के लिए टूल की तुलना में कम सामान्य है। फिर भी, कई पेशेवर-ग्रेड इमेज एडिटिंग और प्रोसेसिंग एप्लिकेशन PFM फाइलों का समर्थन करते हैं, जिससे उपयोगकर्ता HDR कंटेंट के साथ काम कर सकते हैं। ये टूल अक्सर न केवल देखने और संपादन के लिए बल्कि PFM फाइलों को अधिक पारंपरिक फॉर्मेट में परिवर्तित करने के लिए भी सुविधाएँ प्रदान करते हैं, जबकि टोन मैपिंग और अन्य तकनीकों के माध्यम से यथासंभव गतिशील रेंज को संरक्षित करने का प्रयास करते हैं।
PFM फाइलों के साथ काम करने में सबसे महत्वपूर्ण चुनौतियों में से एक उपभोक्ता हार्डवेयर और सॉफ़्टवेयर में HDR कंटेंट के लिए व्यापक समर्थन की कमी है। जबकि हाल के वर्षों में HDR समर्थन में धीरे-धीरे वृद्धि हुई है, कुछ नए डिस्प्ले और टीवी ल्यूमिनेंस स्तरों की एक व्यापक रेंज दिखाने में सक्षम हैं, पारिस्थितिकी तंत्र अभी भी पकड़ रहा है। इस स्थिति में अक्सर PFM फाइलों को ऐसे फॉर्मेट में परिवर्तित करने की आवश्यकता होती है जो अधिक व्यापक रूप से संगत हों, यद्यपि कुछ गतिशील रेंज और परिशुद्धता की कीमत पर जो PFM फॉर्मेट को पेशेवर उपयोग के लिए इतना मूल्यवान बनाता है।
HDR इमेज को स्टोर करने में अपनी प्राथमिक भूमिका के अलावा, PFM फॉर्मेट अपनी सादगी के लिए भी उल्लेखनीय है, जो इसे कंप्यूटर ग्राफिक्स और इमेज प्रोसेसिंग में शैक्षिक उद्देश्यों और प्रायोगिक परियोजनाओं के लिए एक उत्कृष्ट विकल्प बनाता है। इसकी सीधी संरचना छात्रों और शोधकर्ताओं को जटिल फाइल फॉर्मेट विनिर्देशों में फंसे बिना HDR डेटा को आसानी से समझने और हेरफेर करने की अनुमति देती है। उपयोग में आसानी, फॉर्मेट की परिशुद्धता और लचीलेपन के साथ मिलकर, PFM को शैक्षणिक और शोध सेटिंग्स में एक अमूल्य उपकरण बनाता है।
PFM फॉर्मेट की एक और तकनीकी विशेषता IEEE फ्लोटिंग-पॉइंट प्रतिनिधित्व के उपयोग के लिए अनंत और सबनॉर्मल संख्याओं के लिए इसका समर्थन है। यह क्षमता वैज्ञानिक विज़ ुअलाइज़ेशन और कुछ प्रकार के कंप्यूटर ग्राफिक्स कार्य में विशेष रूप से उपयोगी है, जहां डेटा में चरम मानों या बहुत महीन ग्रेडेशन का प्रतिनिधित्व करने की आवश्यकता होती है। उदाहरण के लिए, भौतिक घटनाओं के सिमुलेशन में या असाधारण रूप से उज्ज्वल प्रकाश स्रोतों के साथ दृश्यों को प्रस्तुत करने में, बहुत उच्च या बहुत कम तीव्रता मानों का सटीक रूप से प्रतिनिधित्व करने की क्षमता महत्वपूर्ण हो सकती है।
हालाँकि, PFM फॉर्मेट की फ्लोटिंग-पॉइंट परिशुद्धता के लाभ इन फाइलों को संसाधित करते समय बढ़ी हुई कम्प्यूटेशनल मांगों के साथ आते हैं, खासकर बड़ी इमेज के लिए। चूंकि प्रत्येक पिक्सेल का मान एक फ्लोटिंग-पॉइंट नंबर होता है, इसलिए इमेज स्केलिंग, फ़िल्टरिंग या टोन मैपिंग जैसे संचालन पारंपरिक पूर्णांक-आधारित इमेज फॉर्मेट की तुलना में अधिक कम्प्यूटेशनल रूप से गहन हो सकते हैं। प्रोसे
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।