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।
RGB इमेज फॉर्मेट, जो रेड, ग्रीन और ब्लू के लिए खड़ा है, डिजिटल इमेजिंग की आधारशिला है, जो इमेज को इस तरह से कैप्चर और डिस्प्ले करता है जो मानवीय दृश्य धारणा को बारीकी से दर्शाता है। इन तीन प्राथमिक रंगों को विभिन्न तीव्रताओं पर संयोजित करके, रंगों की एक विस्तृत श्रृंखला को पुन: प्रस्तुत किया जा सकता है। इस फॉर्मेट का महत्व विभिन्न उपकरणों और प्लेटफॉर्म पर इसके व्यापक अपनाने में निहित है, कैमरों और मॉनिटर से लेकर स्मार्टफोन और टेलीविजन तक, अनिवार्य रूप से डिजिटल रंग इमेजिंग की रीढ़ बनाता है।
अपने मूल में, RGB फॉर्मेट एडिटिव कलर मॉडल पर बना है। यह मॉडल इस सिद्धांत पर काम करता है कि प्रकाश रंगों को एक साथ मिलाकर अन्य रंगों की एक श्रृंखला बनाई जा सकती है, जिसमें लाल, हरा और नीला प्राथमिक रंगों के रूप में कार्य करता है। जब उनकी अधिकतम तीव्रता पर संयोजित किया जाता है, तो वे सफेद प्रकाश उत्पन्न करते हैं, जबकि उनकी अनुपस्थिति (कोई प्रकाश नहीं) का परिणाम काला होता है। यह मॉडल घटिया रंग मॉडल के विपरीत है, जैसे कि CMYK (सियान, मैजेंटा, पीला और काला), जिसका उपयोग रंगीन मुद्रण में किया जाता है, जहां रंग सफेद (कागज का रंग) से घटाए जाते हैं।
व्यावहारिक रूप से, एक RGB इमेज लाखों पिक्सल से निर्मित होती है, प्रत्येक इमेज के सबसे छोटे तत्व के रूप में कार्य करता है। प्रत्येक पिक्सेल में तीन घटक (चैनल) होते हैं जो क्रमशः लाल, हरे और नीले प्रकाश की तीव्रता का प्रतिनिधित्व करते हैं। प्रत्येक रंग की तीव्रता को आमतौर पर 8-बिट स्केल का उपयोग करके मापा जाता है, जो 0 से 255 तक होता है, जहां 0 तीव्रता नहीं होने का संकेत देता है और 255 अधिकतम चमक को इंगित करता है। नतीजतन, यह स्केल 16 मिलियन से अधिक संभावित रंग संयोजनों (256^3) की अनुमति देता है, जिससे रंगों की एक विशाल श्रृंखला का पुनरुत्पादन होता है।
RGB इमेज के निर्माण और हेरफेर में कई तकनीकी विचार और प्रक्रियाएं शामिल हैं। उदाहरण के लिए, डिजिटल कैमरे सेंसर पर फिल्टर की एक सरणी का उपयोग करके कैप्चर किए गए प्रकाश को RGB मानों में परिवर्तित करते हैं। यह सरणी, अक्सर एक बायर फिल्टर, प्रत्येक सेंसर पिक्सेल से केवल लाल, हरे या नीले प्रकाश को गुजरने की अनुमति देता है। कैमरे का सॉफ़्टवेयर तब इस कच्चे डेटा को संसाधित करता है, पूर्ण-रंगीन इमेज बनाने के लिए मानों को प्रक्षेपित करता है। इसी तरह, जब किसी स्क्रीन पर RGB इमेज प्रदर्शित की जाती है, तो प्रत्येक पिक्सेल का रंग आधुनिक डिस ्प्ले में बैकलाइट या व्यक्तिगत प्रकाश उत्सर्जक डायोड (LED) के लाल, हरे और नीले घटकों की तीव्रता को समायोजित करके उत्पन्न होता है।
RGB इमेज की एन्कोडिंग और स्टोरेज एक और महत्वपूर्ण तकनीकी पहलू है। जबकि मूल आधार में प्रत्येक पिक्सेल के लिए तीन रंग मानों को संग्रहीत करना शामिल है, वास्तविक कार्यान्वयन महत्वपूर्ण रूप से भिन्न हो सकता है। JPEG, PNG और GIF जैसे फ़ाइल स्वरूपों में से प्रत्येक की अपनी बारीकियां होती हैं कि वे RGB डेटा को कैसे संभालते हैं, विशेष रूप से संपीड़न के संबंध में। उदाहरण के लिए, JPEG एक हानिपूर्ण संपीड़न तकनीक का उपयोग करता है जो कुछ इमेज डेटा को त्याग कर फ़ाइल आकार को कम करता है, जो इमेज गुणवत्ता को प्रभावित कर सकता है। PNG हानिरहित संपीड़न प्रदान करता है, बड़े फ़ाइल आकार की कीमत पर इमेज गुणवत्ता को संरक्षित करता है। GIF, जबकि हानिरहित संपीड़न का भी उपयोग करता है, 256 रंगों तक सीमित है, जो इसे पूर्ण-रंगीन तस्वीरों के लिए कम उपयुक्त बनाता है लेकिन सरल ग्राफिक्स के लिए आदर्श है।
रंगों को कैप्चर करने और प्रदर्शित करने की मूल बातों से परे, RGB फॉर्मेट डिजिटल इमेजिंग के अधिक जटिल पहलुओं में एक महत्वपूर्ण भूमिका निभाता है, जैसे कि रंग प्रबंधन और गामा सुधार। रंग प्रबंधन यह सुनिश्चित करता है कि रंग विभिन्न उपकरणों और देखने की स्थितियों में सुसंगत हों। इसमें रंग प्रोफ़ाइल शामिल हैं, जो वर्णन करती हैं कि रंगों की व्याख्या कैसे की जानी चाहिए। गामा सुधार इमेज की चमक को समायोजित करता है, हमारे द्वारा प्रकाश को देखने के गैर-रेखीय तरीके और डिस्प्ले उपकरणों की गैर-रेखीय प्रतिक्रिया की भरपाई करता है। सटीक और सुसंगत रंग प्रजनन प्राप्त करने के लिए दोनों आवश्यक हैं।
अपनी सर्वव्यापकता और प्रभावशीलता के बावजूद, RGB फॉर्मेट की सीमाएँ हैं। एक उल्लेखनीय चुनौती यह है कि विभिन्न डिवाइस RGB मानों की व्याख्या और प्रदर्शन कैसे करते हैं, जिससे रंग प्रजनन में विसंगतियाँ आती हैं। यह समस्या रंग स्थानों में अंतर से उपजी है, या रंगों की श्रेणी जो एक उपकरण उत्पन्न कर सकता है। sRGB रंग स्थान वेब और उपभोक्ता उपकरणों के लिए सबसे आम मानक है, जिसे स्थिरता की एक डिग्री सुनिश्चित करने के लिए डिज़ाइन किया गया है। हालाँकि, पेशेवर-ग्रेड डिवाइस Adobe RGB या ProPhoto RGB का उपयोग कर सकते हैं, जो संगतता की कीमत पर एक व्यापक रंग रेंज प्रदान करते हैं।
उन्नत इमेज प्रोसेसिंग और वैज्ञानिक अनुप्रयोगों के लिए जहां परिशुद्धता सर्वोपरि है, RGB फॉर्मेट के वेरिएंट, जैसे कि scRGB, व्यापक बिट गहराई का उपयोग करके और नकारात्मक मानों को शामिल करके विस्तारित रंग श्रेणियां और अधिक परिशुद्धता प्रदान करते हैं। इन प्रारूपों को RGB की कुछ सीमाओं को दूर करने के लिए डिज़ाइन किया गया है, जो व्यापक और अधिक सटीक रंग प्रतिनिधित्व प्रदान करते हैं लेकिन अधिक परिष्कृत सॉफ़्टवेयर समर्थन और हार्डवेयर क्षमताओं की आवश्य कता होती है।
RGB फॉर्मेट के उपयोग में विचार करने के लिए एक और पहलू इमेज पहचान और कंप्यूटर विज़न के लिए एल्गोरिदम के विकास में इसकी भूमिका है। पिक्सेल स्तर पर इमेज का विश्लेषण और हेरफेर करने की क्षमता, रंगों और आकृतियों को अलग करना, स्वायत्त वाहनों से लेकर चेहरे की पहचान तकनीकों तक, कई अनुप्रयोगों के लिए मौलिक है। RGB फॉर्मेट की सरलता और सार्वभौमिकता इन तकनीकों के विकास को सुगम बनाती है, इमेज डेटा के लिए एक सुसंगत ढांचा प्रदान करती है।
RGB फॉर्मेट हाई डायनेमिक रेंज (HDR) इमेजिंग जैसी उभरती हुई तकनीकों से भी जुड़ता है, जिसका उद्देश्य इमेज में चमक की सीमा को बढ़ाना है, जिसके परिणामस्वरूप तस्वीरें होती हैं जो मानवीय आंखों द्वारा देखी जा सकने वाली प्रकाश तीव्रता की विस्तृत श्रृंखला की अधिक बारीकी से नकल करती हैं। HDR तकनीकों में अक्सर RGB मानों के साथ इस तरह से काम करना शामिल होता है जो पारं परिक 8-बिट प्रति चैनल सीमाओं से परे होता है, छाया और हाइलाइट दोनों में अधिक विवरण कैप्चर करने के लिए प्रति चैनल अधिक बिट का उपयोग करता है।
इसके अलावा, RGB फॉर्मेट के अंतर्निहित सिद्धांत स्थिर इमेज
यह कनवर्टर पूरी तरह से आपके ब्राउज़र में चलता है। जब आप किसी फ़ाइ ल 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 सम र्थन 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।