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, अनुकूल ी 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 औ र 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 स ाथ 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 स ंदर्भ 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 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 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। हाइब ्रिड 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 सि स्टम 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 प ढ़ने 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 स फेद 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।
PNG, जो पोर्टेबल नेटवर्क ग्राफिक्स के लिए है, एक रेस्टर ग्राफिक्स फ़ाइल प्रारूप है जो दोषरहित डेटा संपीड़न का समर्थन करता है। ग्राफ़िक्स इंटरचेंज प्रारूप (GIF) के लिए एक बेहतर, गैर-पेटेंट प्रतिस्थापन के रूप में विकसित, PNG को इंटरनेट पर छवियों को स्थानांतरित करने के लिए डिज़ाइन किया गया था, न केवल पेशेवर-गुणवत्ता वाले ग्राफ़िक्स के लिए बल्कि फ़ोटोग्राफ़ और अन्य प्रकार की डिजिटल छवियों के लिए भी। PNG की सबसे उल्लेखनीय विशेषताओं में से एक ब्राउज़र-आधारित अनुप्रयोगों में पारदर्शिता के लिए इसका समर्थन है, जो इसे वेब डिज़ाइन और विकास में एक महत्वपूर्ण प्रारूप बनाता है।
PNG की स्थापना का पता 1995 में लगाया जा सकता है, GIF प्रारूप में उपयोग की जाने वाली संपीड़न तकनीक के आसपास के पेटेंट मुद्दों के बाद। एक नए ग्राफिक प्रारूप के निर्माण के लिए comp.graphics न्यूज़ग्रुप पर कॉल किया गया, जिससे PNG का विकास हुआ। इस नए प्रारूप के लिए मुख्य उद्देश्य GIF की सीमाओं में सुधार करना और उन्हें दूर करना था। इसके लक्ष्यों में 256 से अधिक रंगों वाली छवियों का समर्थन करना, पारदर्शिता के लिए एक अल्फा चैनल शामिल करना, इंटरलेसिंग के लिए विकल्प प्रदान करना और यह सुनिश्चित करना था कि प्रारूप पेटेंट-मुक्त और ओपन-सोर्स विकास के लिए उपयुक्त था।
PNG फ़ाइलें छवि संरक्षण की गुणवत्ता में उत्कृष्ट हैं, रंग गहराई की एक श्रृंखला का समर्थन करती हैं, 1-बिट ब्लैक एंड व्हाइट से लेकर लाल, हरे और नीले (RGB) के लिए 16-बिट प्रति चैनल तक। रंग समर ्थन की यह विस्तृत श्रृंखला PNG को छोटे फ़ाइल आकार में रेखा चित्र, पाठ और प्रतिष्ठित ग्राफ़िक्स संग्रहीत करने के लिए उपयुक्त बनाती है। इसके अतिरिक्त, अल्फा चैनल के लिए PNG का समर्थन पारदर्शिता की अलग-अलग डिग्री की अनुमति देता है, जिससे डिजिटल छवियों में छाया, चमक और अर्ध-पारदर्शी वस्तुओं जैसे जटिल प्रभावों को सटीकता के साथ प्रस्तुत किया जा सकता है।
PNG की विशिष्ट विशेषताओं में से एक इसकी दोषरहित संपीड़न एल्गोरिथम है, जिसे DEFLATE पद्धति का उपयोग करके परिभाषित किया गया है। यह एल्गोरिथम किसी भी छवि गुणवत्ता का त्याग किए बिना फ़ाइल आकार को कम करने के लिए डिज़ाइन किया गया है। संपीड़ित किए जा रहे डेटा के प्रकार के आधार पर संपीड़न की दक्षता भिन्न होती है; यह एक समान रंग या दोहराए गए पैटर्न के बड़े क्षेत्रों वाली छवियों के लिए विशेष रूप से प्रभावी है। संपीड़न की दोषरहित प्रकृति के बावजूद, यह ध्यान रखना महत्वपूर्ण है कि PNG हमेशा JPEG जैसे प्रारूपों की तुलना में सबसे छोटे संभव फ़ाइल आकार का परिणाम नहीं दे सकता है, विशेष रूप से जटिल तस्वीरों के लिए।
PNG फ़ाइल की संरचना खंडों पर आधारित होती है, जहाँ प्रत्येक खंड छवि के बारे में एक निश्चित प्रकार के डेटा या मेटाडेटा का प्रतिनिधित्व करता है। PNG फ़ाइल में चार मुख्य प्रकार के खंड होते हैं: IHDR (छवि शीर्षलेख), जिसमें छवि के बारे में बुनियादी जानकारी होती है; PLTE (पैलेट), जो अनुक्रमित रंग छवियों में उपयोग किए जाने वाले सभी रंगों को सूचीबद्ध करता है; IDAT (छवि डेटा), जिसमें DEFLATE एल्गोरिथम के साथ संपीड़ित वास्तविक छवि डेटा होता है; और IEND (छवि ट्रेलर), जो PNG फ़ाइल के अंत को चिह्नित करता है। अतिरिक्त सहायक खंड छवि के बारे में अधिक विवरण प्रदान कर सकते हैं, जैसे टेक्स्ट एनोटेशन और गामा मान।
PNG इंटरनेट पर छवियों के प्रदर्शन और हस्तांतरण को बेहतर बनाने के उद्देश्य से कई विशेषताओं को भी शामिल करता है। इंटरलेसिंग, विशेष रूप से Adam7 एल्गोरिथम का उपयोग करके, एक छवि को उत्तरोत्तर लोड करने की अनुमति देता है, जो धीमे इंटरनेट कनेक्शन पर छवियों को देखते समय विशेष रूप से उपयोगी हो सकता है। यह तकनीक पहले पूरी छवि का निम्न-गुणवत्ता वाला संस्करण प्रदर्शित करती है, जो अधिक डेटा डाउनलोड होने पर धीरे-धीरे गुणवत्ता में बढ़ता जाता है। यह सुविधा न केवल उपयोगकर्ता अनुभव को बढ़ाती है बल्कि वेब उपयोग के लिए एक व्यावहारिक लाभ भी प्रदान करती है।
GIF की तुलना में PNG फ़ाइलों में पारदर्शिता को अधिक परिष्कृत तरीके से नियंत्रित किया जाता है। जबकि GIF सरल बाइनरी पारदर्शिता का समर्थन करता है - एक पिक्सेल या तो पूरी तरह से पारदर्शी होता है या पूरी तरह से अपारदर्शी - PNG अल्फा पारदर्शिता की अवधारणा का परिचय देता है। यह पिक्सेल को पूरी तरह से अपारदर्शी से पूरी तरह से पा रदर्शी तक पारदर्शिता के विभिन्न स्तर रखने की अनुमति देता है, जिससे छवि और पृष्ठभूमि के बीच सहज मिश्रण और संक्रमण सक्षम होता है। यह सुविधा विशेष रूप से वेब डिज़ाइनरों के लिए महत्वपूर्ण है जिन्हें अलग-अलग रंगों और पैटर्न की पृष्ठभूमि पर छवियों को ओवरले करने की आवश्यकता होती है।
अपने कई लाभों के बावजूद, PNG की कुछ सीमाएँ हैं। उदाहरण के लिए, फ़ाइल आकार दक्षता के मामले में डिजिटल तस्वीरों को संग्रहीत करने के लिए यह सबसे अच्छा विकल्प नहीं है। जबकि PNG का दोषरहित संपीड़न गुणवत्ता की कोई हानि सुनिश्चित नहीं करता है, इसके परिणामस्वरूप JPEG जैसे हानिपूर्ण प्रारूपों की तुलना में बड़े फ़ाइल आकार हो सकते हैं, जो विशेष रूप से तस्वीरों को संपीड़ित करने के लिए डिज़ाइन किए गए हैं। यह PNG को उन अनुप्रयोगों के लिए कम उपयुक्त बनाता है जहां बैंडविड्थ या संग्रहण क्षमता सीमित है। इसके अतिरिक्त, PNG मूल रूप से एनिमेटेड छवियों का समर्थन नहीं करता है, एक विशेषता जो GIF और WebP जैसे प्रारूप प्रदान करते हैं।
वेब उपयोग के लिए छवि गुणवत्ता से समझौता किए बिना उनके फ़ाइल आकार को कम करने के लिए PNG फ़ाइलों पर अनुकूलन तकनीक लागू की जा सकती है। PNGCRUSH और OptiPNG जैसे उपकरण विभिन्न रणनीतियों को नियोजित करते हैं, जिसमें सबसे कुशल संपीड़न पैरामीटर चुनना और छवि के लिए सबसे उपयुक्त स्तर तक रंग की गहराई को कम करना शामिल है। ये उपकरण PNG फ़ाइलों के आकार को काफी कम कर सकते हैं, जिससे वे वेब उपयोग के लिए अधिक कुशल बन जाते हैं, जहाँ लोडिंग समय और बैंडविड्थ उपयोग महत्वपूर्ण चिंताएँ हैं।
इसके अलावा, PNG फ़ाइलों के भीतर गामा सुधार जानकारी को शामिल करने से यह सुनिश्चित होता है कि छवियों को विभिन्न उपकरणों पर अधिक लगातार प्रदर्शित किया जाता है। गामा सुधार डिस्प्ले डिवाइस की विशेषताओं के अनुसार छवि के चमक स्तर को समायोजित करने में मदद करता है। यह सुविधा विशेष रूप से वेब ग्राफिक्स के संदर्भ में मूल्यवान है, जहां छवियों को विभिन्न प्रकार के उपकरणों पर अलग-अलग प्रदर्शन गुणों के साथ देखा जा सकता है।
PNG की कानूनी स्थिति ने इसकी व्यापक स्वीकृति और अपनाने में योगदान दिया है। पेटेंट से मुक्त होने के कारण, PNG कुछ अन्य छवि प्रारूपों से जुड़ी कानूनी जटिलताओं और लाइसेंसिंग शुल्क से बचता है। इसने इसे ओपन-सोर्स परियोजनाओं और अनुप्रयोगों के लिए विशेष रूप से आकर्षक बना दिया है जहां लागत और कानूनी स्वतंत्रता महत्वपूर्ण विचार हैं। प्रारूप को वेब ब्राउज़र, छवि सं
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 प र 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।