OCR di ogni GROUP4

Trascina una foto, una scansione o un PDF (fino a 2.5GB). Estraiamo il testo direttamente nel tuo browser — gratuitamente, illimitatamente e i tuoi file non lasciano mai il tuo dispositivo.

Privato e sicuro

Tutto accade nel tuo browser. I tuoi file non toccano mai i nostri server.

Velocissimo

Nessun caricamento, nessuna attesa. Converti nel momento in cui rilasci un file.

Realmente gratuito

Nessun account richiesto. Nessun costo nascosto. Nessun trucco sulle dimensioni dei file.

Il Riconoscimento Ottico dei Caratteri (OCR) trasforma le immagini di testo—scansioni, foto da smartphone, PDF—in stringhe leggibili dalla macchina e, sempre più, in dati strutturati. L'OCR moderno è una pipeline che pulisce un'immagine, trova il testo, lo legge ed esporta metadati ricchi in modo che i sistemi a valle possano cercare, indicizzare o estrarre campi. Due standard di output ampiamente utilizzati sono hOCR, un microformato HTML per testo e layout, e ALTO XML, uno schema orientato a biblioteche/archivi; entrambi conservano posizioni, ordine di lettura e altri spunti di layout e sono supportati da motori popolari come Tesseract.

Un rapido tour della pipeline

Pre-elaborazione. La qualità dell'OCR inizia con la pulizia dell'immagine: conversione in scala di grigi, denoising, sogliatura (binarizzazione) e raddrizzamento. I tutorial canonici di OpenCV coprono la sogliatura globale, adattiva e di Otsu —punti fermi per documenti con illuminazione non uniforme o istogrammi bimodali. Quando l'illuminazione varia all'interno di una pagina (pensa agli scatti del telefono), i metodi adattivi spesso superano una singola soglia globale; Otsu sceglie automaticamente una soglia analizzando l'istogramma. La correzione dell'inclinazione è altrettanto importante: il raddrizzamento basato su Hough (Trasformata di Hough) abbinato alla binarizzazione di Otsu è una ricetta comune ed efficace nelle pipeline di pre-elaborazione di produzione.

Rilevamento vs. riconoscimento. L'OCR è tipicamente suddiviso in rilevamento del testo (dov'è il testo?) e riconoscimento del testo (cosa dice?). Nelle scene naturali e in molte scansioni, i rilevatori completamente convoluzionali come EAST prevedono in modo efficiente quadrilateri a livello di parola o riga senza pesanti fasi di proposta e sono implementati in toolkit comuni (ad es. tutorial sul rilevamento del testo di OpenCV). Su pagine complesse (giornali, moduli, libri), la segmentazione di righe/regioni e l'inferenza dell'ordine di lettura sono importanti:Kraken implementa la segmentazione tradizionale di zone/righe e la segmentazione neurale della linea di base, con supporto esplicito per diversi script e direzioni (LTR/RTL/verticale).

Modelli di riconoscimento. Il classico cavallo di battaglia open-source Tesseract (reso open-source da Google, con radici in HP) si è evoluto da un classificatore di caratteri in un riconoscitore di sequenze basato su LSTM e può emettere PDF ricercabili, output compatibili con hOCR/ALTOe altro dalla CLI. I riconoscitori moderni si basano sulla modellazione di sequenze senza caratteri pre-segmentati. Connectionist Temporal Classification (CTC) rimane fondamentale, imparando gli allineamenti tra le sequenze di feature di input e le stringhe di etichette di output; è ampiamente utilizzato nelle pipeline di scrittura a mano e di testo di scena.

Negli ultimi anni, i Transformer hanno rimodellato l'OCR. TrOCR utilizza un encoder Vision Transformer più un decoder Text Transformer, addestrato su grandi corpora sintetici e poi messo a punto su dati reali, con ottime prestazioni su benchmark di testo stampato, scritto a mano e di scena (vedi anche documentazione di Hugging Face). In parallelo, alcuni sistemi eludono l'OCR per la comprensione a valle: Donut (Document Understanding Transformer) è un encoder-decoder senza OCR che produce direttamente risposte strutturate (come JSON chiave-valore) da immagini di documenti (repo, scheda del modello), evitando l'accumulo di errori quando un passaggio OCR separato alimenta un sistema IE.

Motori e librerie

Se si desidera una lettura del testo "batterie incluse" su molti script, EasyOCR offre una semplice API con oltre 80 modelli linguistici, restituendo riquadri, testo e confidenze, utile per prototipi e script non latini. Per i documenti storici, Kraken brilla con la segmentazione della linea di base e l'ordine di lettura consapevole dello script; per un addestramento flessibile a livello di riga, Calamari si basa sulla discendenza di Ocropy (Ocropy) con riconoscitori (multi-)LSTM+CTC e una CLI for la messa a punto di modelli personalizzati.

Set di dati e benchmark

La generalizzazione dipende dai dati. Per la scrittura a mano, il Database di scrittura a mano IAM fornisce frasi in inglese diverse per scrittore per l'addestramento e la valutazione; è un set di riferimento di lunga data per il riconoscimento di righe e parole. Per il testo di scena, COCO-Text ha stratificato annotazioni estese su MS-COCO, con etichette per stampato/scritto a mano, leggibile/illeggibile, script e trascrizioni complete (vedi anche la pagina del progetto originale). Il campo si basa anche pesantemente sul pre-addestramento sintetico: SynthText in the Wild renderizza il testo in fotografie con geometria e illuminazione realistiche, fornendo enormi volumi di dati per pre-addestrare rilevatori e riconoscitori (riferimento codice e dati).

Le competizioni sotto l'ombrello Robust Reading di ICDAR mantengono la valutazione fondata. I compiti recenti enfatizzano il rilevamento/lettura end-to-end e includono il collegamento di parole in frasi, con il codice ufficiale che riporta precisione/richiamo/F-score, intersection-over-union (IoU) e metriche di distanza di modifica a livello di carattere, rispecchiando ciò che i professionisti dovrebbero monitorare.

Formati di output e uso a valle

L'OCR raramente termina con testo semplice. Archivi e biblioteche digitali preferiscono ALTO XML perché codifica il layout fisico (blocchi/righe/parole con coordinate) insieme al contenuto, e si abbina bene con il packaging METS. Il hOCR microformato, al contrario, incorpora la stessa idea in HTML/CSS usando classi come ocr_line e ocrx_word, rendendo facile visualizzare, modificare e trasformare con strumenti web. Tesseract espone entrambi, ad es. generando hOCR o PDF ricercabili direttamente dalla CLI (guida all'output PDF); wrapper Python come pytesseract aggiungono convenienza. Esistono convertitori per tradurre tra hOCR e ALTO quando i repository hanno standard di ingestione fissi —vedi questo elenco curato di strumenti per formati di file OCR.

Guida pratica

  • Inizia con i dati e la pulizia. Se le tue immagini sono foto di telefono o scansioni di qualità mista, investi nella sogliatura (adattiva e Otsu) e nel raddrizzamento (Hough) prima di qualsiasi messa a punto del modello. Spesso otterrai di più da una robusta ricetta di pre-elaborazione che dalla sostituzione dei riconoscitori.
  • Scegli il rilevatore giusto. Per le pagine scansionate con colonne regolari, un segmentatore di pagine (zone → righe) può essere sufficiente; per le immagini naturali, i rilevatori a scatto singolo come EAST sono baseline forti e si collegano a molti toolkit (esempio OpenCV).
  • Scegli un riconoscitore che corrisponda al tuo testo. Per il latino stampato, Tesseract (LSTM/OEM) è robusto e veloce; per multi-script o prototipi veloci, EasyOCR è produttivo; per la scrittura a mano o i caratteri tipografici storici, considera Kraken o Calamari e pianifica la messa a punto. Se hai bisogno di un accoppiamento stretto con la comprensione dei documenti (estrazione chiave-valore, VQA), valuta TrOCR (OCR) rispetto a Donut (senza OCR) sul tuo schema—Donut potrebbe rimuovere un intero passaggio di integrazione.
  • Misura ciò che conta. Per i sistemi end-to-end, riporta il rilevamento F-score e il riconoscimento CER/WER (entrambi basati sulla distanza di modifica di Levenshtein ; vedi CTC); per compiti pesanti dal punto di vista del layout, traccia IoU/aderenza e la distanza di modifica normalizzata a livello di carattere come nei kit di valutazione ICDAR RRC .
  • Esporta output ricchi. Preferisci hOCR /ALTO (o entrambi) in modo da conservare le coordinate e l'ordine di lettura—fondamentale per l'evidenziazione dei risultati di ricerca, l'estrazione di tabelle/campi e la provenienza. La CLI di Tesseract e pytesseract lo rendono un gioco da ragazzi.

Guardando al futuro

La tendenza più forte è la convergenza: rilevamento, riconoscimento, modellazione del linguaggio e persino la decodifica specifica del compito si stanno fondendo in stack Transformer unificati. Il pre-addestramento su grandi corpora sintetici rimane un moltiplicatore di forza. I modelli senza OCR competeranno aggressivamente ovunque l'obiettivo siano output strutturati piuttosto che trascrizioni letterali. Aspettatevi anche implementazioni ibride: un rilevatore leggero più un riconoscitore in stile TrOCR per testo lungo, e un modello in stile Donut per moduli e ricevute.

Ulteriori letture e strumenti

Tesseract (GitHub) · Documentazione di Tesseract · Specifiche hOCR · Sfondo ALTO · Rilevatore EAST · Rilevamento del testo OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Scrittura a mano IAM · Strumenti per formati di file OCR · EasyOCR

Domande frequenti

Cos'è l'OCR?

L'Optical Character Recognition (OCR) è una tecnologia utilizzata per convertire vari tipi di documenti, come documenti cartacei scansionati, file PDF o immagini catturate da una fotocamera digitale, in dati modificabili e ricercabili.

Come funziona l'OCR?

L'OCR funziona analizzando l'immagine o il documento in ingresso, segmentando l'immagine in singoli caratteri, e confrontando ciascun carattere con un database di forme carattere utilizzando il riconoscimento di pattern o il riconoscimento delle caratteristiche.

Quali sono le applicazioni pratiche dell'OCR?

L'OCR viene utilizzato in vari settori e applicazioni, tra cui la digitalizzazione di documenti stampati, l'attivazione di servizi di testo in voce, l'automazione dei processi di inserimento dati, e l'aiuto agli utenti con problemi di vista a interagire in modo più efficace con il testo.

L'OCR è sempre preciso al 100%?

Nonostante ci siano stati notevoli progressi nella tecnologia OCR, non è infallibile. L'accuratezza può variare a seconda della qualità del documento originale e delle specifiche del software OCR utilizzato.

L'OCR può riconoscere la scrittura a mano?

Sebbene l'OCR sia principalmente progettato per il testo stampato, alcuni sistemi OCR avanzati sono anche in grado di riconoscere la scrittura a mano chiara e coerente. Tuttavia, il riconoscimento della scrittura a mano è generalmente meno preciso a causa della grande varietà di stili di scrittura individuali.

L'OCR può gestire più lingue?

Sì, molti sistemi software OCR possono riconoscere più lingue. Tuttavia, è importante assicurarsi che la lingua specifica sia supportata dal software che si utilizza.

Qual è la differenza tra OCR e ICR?

L'OCR sta per Optical Character Recognition ed è usato per riconoscere il testo stampato, mentre l'ICR, o Intelligent Character Recognition, è più avanzato ed è usato per riconoscere il testo scritto a mano.

L'OCR può lavorare con qualsiasi font e dimensione del testo?

L'OCR funziona meglio con font chiari, facilmente leggibili e dimensioni standard del testo. Anche se può lavorare con vari font e dimensioni, l'accuratezza tende a diminuire quando si tratta di font insoliti o dimensioni del testo molto piccole.

Quali sono le limitazioni della tecnologia OCR?

L'OCR può avere difficoltà con documenti a bassa risoluzione, font complessi, testi stampati male, scrittura a mano, e documenti con sfondi che interferiscono con il testo. Inoltre, anche se può lavorare con molte lingue, potrebbe non coprire ogni lingua perfettamente.

L'OCR può eseguire la scansione di testi colorati o sfondi colorati?

Sì, l'OCR può eseguire la scansione di testi colorati e sfondi colorati, sebbene generalmente sia più efficace con combinazioni di colori ad alto contrasto, come il testo nero su sfondo bianco. L'accuratezza può diminuire quando il colore del testo e dello sfondo non ha un contrasto sufficiente.

Qual è il formato GROUP4?

Gruppo CCITT grezzo 4

Il formato immagine GRAY, spesso riconosciuto per la sua semplicità ed efficienza, svolge un ruolo unico nel regno dell'imaging digitale. A differenza dei formati più comuni che incorporano più canali per rappresentare il colore, il formato GRAY è dedicato alle immagini in scala di grigi. Ciò significa che ogni pixel in un'immagine GRAY rappresenta una sfumatura di grigio, che varia dal nero puro al bianco puro. L'eleganza di questo formato risiede nella sua semplice rappresentazione della luminanza o dei livelli di luminosità, senza la complessità delle informazioni sul colore. Questa semplicità rende il formato GRAY eccezionalmente adatto per applicazioni in cui il colore è inutile o addirittura una distrazione, come in alcuni tipi di imaging medico, arte digitale e mappatura delle texture nella modellazione 3D.

Ogni pixel in un'immagine in formato GRAY viene memorizzato come un singolo valore, che indica l'intensità della luce in quel particolare punto. Questi valori sono spesso rappresentati in un intervallo da 0 a 255 per immagini a 8 bit, dove 0 rappresenta il nero puro, 255 rappresenta il bianco puro e i valori intermedi rappresentano varie sfumature di grigio. Questa scala lineare fornisce una corrispondenza diretta tra il valore numerico e l'intensità visiva di ciascun pixel, facilitando l'elaborazione e la manipolazione. La semplicità di questa scala significa che il formato GRAY occupa meno spazio di archiviazione e richiede meno potenza di elaborazione per il rendering e la manipolazione rispetto alle sue controparti RGB o CMYK, che devono memorizzare ed elaborare più valori per ciascun pixel.

In termini di struttura del file, un'immagine in formato GRAY in genere è costituita da una sezione di intestazione e una sezione di dati. L'intestazione include informazioni come le dimensioni dell'immagine (larghezza e altezza), la profondità di bit (che determina l'intervallo di sfumature di grigio che possono essere rappresentate) e talvolta metadati relativi alla creazione o all'uso previsto dell'immagine. Dopo l'intestazione, la sezione dati contiene i valori dei pixel stessi, disposti in una sequenza che corrisponde alle righe e alle colonne dell'immagine. La semplicità di questa struttura supporta l'efficienza complessiva del formato, consentendo un rapido accesso ai valori dei pixel e facilitando semplici tecniche di elaborazione delle immagini.

Uno dei principali vantaggi del formato GRAY è la sua efficienza in termini di archiviazione e trasmissione. Poiché richiede solo un valore per pixel, rispetto ai tre per un formato RGB, le immagini possono essere archiviate e trasmesse utilizzando molti meno dati. Ciò rende il formato GRAY particolarmente interessante per applicazioni in cui la larghezza di banda o la capacità di archiviazione sono limitate. Inoltre, la semplicità del formato accelera le attività di elaborazione delle immagini come il filtraggio, la regolazione del contrasto e il rilevamento dei bordi, poiché le operazioni possono essere eseguite direttamente sui valori di luminanza senza la necessità di conversione da o verso rappresentazioni a colori.

Il formato immagine GRAY offre anche vantaggi in termini di analisi visiva e visione artificiale. Molti algoritmi per attività come il rilevamento dei bordi, il riconoscimento dei modelli e l'estrazione delle caratteristiche sono intrinsecamente progettati per funzionare con immagini in scala di grigi. Ciò perché l'eliminazione della variabile del colore consente a questi algoritmi di concentrarsi esclusivamente sulle variazioni di intensità, che sono spesso più rilevanti per tali analisi. Ad esempio, nell'imaging medico, i dettagli e il contrasto delle strutture possono essere più pronunciati in scala di grigi, facilitando la diagnosi. Allo stesso modo, nei sistemi di ispezione automatizzati, concentrarsi sui valori di luminanza può semplificare il rilevamento di difetti o irregolarità.

Nonostante i suoi vantaggi, il formato GRAY non è privo di limitazioni. La sua esclusiva attenzione alla luminanza significa che non può rappresentare il colore, rendendolo inadatto per applicazioni in cui le informazioni sul colore sono cruciali, come nella fotografia digitale o nei media online. Inoltre, la semplicità del formato a volte può essere uno svantaggio. Ad esempio, quando si converte da colore a scala di grigi, si verifica un'inevitabile perdita di informazioni, poiché il processo comporta la media o la ponderazione dei valori RGB di ciascun pixel. Ciò può portare a una riduzione della distinguibilità di alcuni dettagli o texture che potrebbero essere più evidenti a colori.

I progressi nelle tecnologie di imaging digitale e di compressione dei dati hanno portato allo sviluppo di varianti all'interno dello stesso formato GRAY, con l'obiettivo di superare alcune delle sue limitazioni. Ad esempio, profondità di bit più elevate, come il grigio a 16 bit o addirittura a 32 bit, consentono una gamma molto più ampia di sfumature, migliorando la capacità del formato di catturare dettagli e sottigliezze nelle immagini. Allo stesso modo, l'integrazione di algoritmi di compressione senza perdita può preservare la qualità dell'immagine riducendo al contempo le dimensioni del file, rendendo il formato più versatile per una gamma più ampia di applicazioni.

Il processo di conversione tra il formato GRAY e altri formati di immagine è un aspetto critico della sua utilità. Quando si converte da RGB a GRAY, il metodo più semplice prevede la media dei valori rosso, verde e blu di ciascun pixel. Tuttavia, metodi più sofisticati applicano una ponderazione diversa a questi canali, riflettendo la diversa sensibilità dell'occhio umano ai diversi colori. Ad esempio, il canale verde spesso riceve un peso maggiore perché contribuisce maggiormente alla luminosità percepita di un colore. Questo approccio sfumato mira a preservare il più possibile le qualità percettive dell'immagine originale nella conversione in scala di grigi.

Quando si tratta di modificare e manipolare immagini in formato GRAY, è disponibile un'ampia gamma di strumenti software, dalle applicazioni di fotoritocco di base ai software di elaborazione delle immagini di livello professionale. Questi strumenti consentono agli utenti di regolare la luminosità e il contrasto, applicare filtri ed eseguire operazioni più complesse come la riduzione del rumore e la nitidezza. La semplicità intrinseca del formato GRAY rende queste operazioni semplici, consentendo un controllo preciso sul risultato. Questa facilità di manipolazione non solo avvantaggia i professionisti in settori come la grafica e l'imaging medico, ma consente anche agli hobbisti e agli educatori di esplorare le sfumature dell'immagine digitale.

L'adozione del formato immagine GRAY in vari settori dimostra la sua versatilità ed efficacia. Nella stampa digitale, ad esempio, il formato GRAY viene spesso utilizzato per creare profondità e dimensionalità nelle stampe in bianco e nero, offrendo un'alternativa economica alla stampa a colori. Nel campo della ricerca scientifica, facilita l'analisi dei dati da una gamma di tecniche di imaging, tra cui la microscopia elettronica e le osservazioni astronomiche. Nel frattempo, nel regno della sicurezza e della sorveglianza, l'imaging in scala di grigi consente un monitoraggio efficace in condizioni di scarsa illuminazione, dove l'imaging a colori potrebbe non essere praticabile.

Considerando il panorama in evoluzione della tecnologia digitale, il futuro del formato GRAY sembra dipendere dall'equilibrio tra i suoi punti di forza intrinseci e la crescente domanda di colore nei media digitali. Mentre l'imaging a colori continua a dominare nell'elettronica di consumo, nella pubblicità e nell'intrattenimento, i vantaggi unici del formato GRAY ne garantiscono la continua rilevanza in applicazioni specifiche. I continui progressi nella tecnologia di imaging e nella compressione dei dati offrono il potenziale per migliorare ulteriormente l'efficienza e la versatilità del formato, rendendolo uno strumento duraturo nel kit di strumenti di imaging digitale.

Il formato immagine GRAY esemplifica il principio secondo cui a volte la semplicità produce la massima efficienza. Concentrandosi esclusivamente sulla luminanza, offre un approccio semplificato alla rappresentazione delle immagini che soddisfa le esigenze di una varietà di applicazioni. La sua capacità di trasmettere profondità, texture e dettagli in assenza di colore lo rende una risorsa preziosa sia in contesti professionali che accademici. Man mano che la tecnologia di imaging digitale continua a evolversi, il posto del formato GRAY all'interno di questo ecosistema sarà probabilmente determinato dalla sua adattabilità e dallo sviluppo continuo di tecniche per massimizzare il suo potenziale.

In conclusione, il formato immagine GRAY si erge a testimonianza della potenza e del potenziale dell'imaging in scala di grigi. Nonostante i suoi limiti nella rappresentazione del colore, la sua efficienza, versatilità e la chiarezza che apporta all'analisi visiva lo rendono uno strumento indispensabile in molti campi. Man mano che le tecnologie avanzano e emergono nuove applicazioni, il ruolo del formato GRAY nell'imaging digitale è destinato ad adattarsi ed espandersi, riaffermando la sua importanza nel panorama in continua evoluzione dei media digitali. Che si tratti di contesti professionali o di un mezzo per l'espressione creativa, il formato GRAY continua a offrire opportunità uniche per esplorare le sfumature di luce e ombra, sfidandoci a vedere il mondo in diverse sfumature di grigio.

Formati supportati

AAI.aai

Immagine AAI Dune

AI.ai

Adobe Illustrator CS2

AVIF.avif

Formato di file immagine AV1

AVS.avs

Immagine X AVS

BAYER.bayer

Immagine Bayer grezza

BMP.bmp

Immagine bitmap di Microsoft Windows

CIN.cin

File immagine Cineon

CLIP.clip

Maschera di ritaglio immagine

CMYK.cmyk

Campioni grezzi ciano, magenta, giallo e nero

CMYKA.cmyka

Campioni grezzi ciano, magenta, giallo, nero e alfa

CUR.cur

Icona Microsoft

DCX.dcx

ZSoft IBM PC multi-pagina Paintbrush

DDS.dds

Superficie DirectDraw Microsoft

DPX.dpx

Immagine SMTPE 268M-2003 (DPX 2.0)

DXT1.dxt1

Superficie DirectDraw Microsoft

EPDF.epdf

Formato Documento Portatile Incapsulato

EPI.epi

Formato di interscambio PostScript incapsulato Adobe

EPS.eps

PostScript incapsulato Adobe

EPSF.epsf

PostScript incapsulato Adobe

EPSI.epsi

Formato di interscambio PostScript incapsulato Adobe

EPT.ept

PostScript incapsulato con anteprima TIFF

EPT2.ept2

PostScript incapsulato Livello II con anteprima TIFF

EXR.exr

Immagine ad alto range dinamico (HDR)

FARBFELD.ff

Farbfeld

FF.ff

Farbfeld

FITS.fits

Sistema di Trasporto Immagini Flessibile

GIF.gif

Formato di interscambio grafico CompuServe

GIF87.gif87

Formato di interscambio grafico CompuServe (versione 87a)

GROUP4.group4

Gruppo CCITT grezzo 4

HDR.hdr

Immagine ad Alto Range Dinamico

HRZ.hrz

Slow Scan TeleVision

ICO.ico

Icona Microsoft

ICON.icon

Icona Microsoft

IPL.ipl

Immagine di Localizzazione IP2

J2C.j2c

Flusso di codici JPEG-2000

J2K.j2k

Flusso di codici JPEG-2000

JNG.jng

Grafica di Rete JPEG

JP2.jp2

Sintassi del Formato File JPEG-2000

JPC.jpc

Flusso di codici JPEG-2000

JPE.jpe

Formato JFIF del Gruppo di Esperti Fotografici Coniugati

JPEG.jpeg

Formato JFIF del Gruppo di Esperti Fotografici Coniugati

JPG.jpg

Formato JFIF del Gruppo di Esperti Fotografici Coniugati

JPM.jpm

Sintassi del Formato File JPEG-2000

JPS.jps

Formato JPS del Gruppo di Esperti Fotografici Coniugati

JPT.jpt

Sintassi del Formato File JPEG-2000

JXL.jxl

Immagine JPEG XL

MAP.map

Database di Immagini Senza Soluzione di Continuità a Multi-risoluzione (MrSID)

MAT.mat

Formato immagine MATLAB livello 5

PAL.pal

Pixmap Palm

PALM.palm

Pixmap Palm

PAM.pam

Formato bitmap bidimensionale comune

PBM.pbm

Formato bitmap portatile (bianco e nero)

PCD.pcd

Foto CD

PCDS.pcds

Foto CD

PCT.pct

Apple Macintosh QuickDraw/PICT

PCX.pcx

ZSoft IBM PC Paintbrush

PDB.pdb

Formato ImageViewer del database Palm

PDF.pdf

Formato Documento Portatile

PDFA.pdfa

Formato di Archivio Documento Portatile

PFM.pfm

Formato float portatile

PGM.pgm

Formato graymap portatile (scala di grigi)

PGX.pgx

Formato non compresso JPEG 2000

PICON.picon

Icona personale

PICT.pict

Apple Macintosh QuickDraw/PICT

PJPEG.pjpeg

Formato JFIF del Gruppo di Esperti Fotografici Condivisi

PNG.png

Grafica Rete Portatile

PNG00.png00

PNG eredita la profondità di bit, il tipo di colore dall'immagine originale

PNG24.png24

RGB a 24 bit opaco o trasparente binario (zlib 1.2.11)

PNG32.png32

RGBA a 32 bit opaco o trasparente binario

PNG48.png48

RGB a 48 bit opaco o trasparente binario

PNG64.png64

RGBA a 64 bit opaco o trasparente binario

PNG8.png8

Indicizzato a 8 bit opaco o trasparente binario

PNM.pnm

Anymap portatile

PPM.ppm

Formato pixmap portatile (colore)

PS.ps

File Adobe PostScript

PSB.psb

Formato Grande Documento Adobe

PSD.psd

Bitmap Adobe Photoshop

RGB.rgb

Campioni grezzi di rosso, verde e blu

RGBA.rgba

Campioni grezzi di rosso, verde, blu e alfa

RGBO.rgbo

Campioni grezzi di rosso, verde, blu e opacità

SIX.six

Formato grafico DEC SIXEL

SUN.sun

Rasterfile Sun

SVG.svg

Grafica Vettoriale Scalabile

SVGZ.svgz

Grafica Vettoriale Scalabile Compressa

TIFF.tiff

Formato File Immagine Etichettato

VDA.vda

Immagine Truevision Targa

VIPS.vips

Immagine VIPS

WBMP.wbmp

Immagine Bitmap Wireless (livello 0)

WEBP.webp

Formato Immagine WebP

YUV.yuv

CCIR 601 4:1:1 o 4:2:2

Domande frequenti

Come funziona?

Questo convertitore funziona interamente nel tuo browser. Quando selezioni un file, viene letto in memoria e convertito nel formato selezionato. Puoi quindi scaricare il file convertito.

Quanto tempo ci vuole per convertire un file?

Le conversioni iniziano istantaneamente e la maggior parte dei file viene convertita in meno di un secondo. I file più grandi potrebbero richiedere più tempo.

Cosa succede ai miei file?

I tuoi file non vengono mai caricati sui nostri server. Vengono convertiti nel tuo browser e il file convertito viene quindi scaricato. Non vediamo mai i tuoi file.

Quali tipi di file posso convertire?

Supportiamo la conversione tra tutti i formati di immagine, inclusi JPEG, PNG, GIF, WebP, SVG, BMP, TIFF e altro ancora.

Quanto costa?

Questo convertitore è completamente gratuito e lo sarà sempre. Poiché funziona nel tuo browser, non dobbiamo pagare per i server, quindi non dobbiamo addebitarti alcun costo.

Posso convertire più file contemporaneamente?

Sì! Puoi convertire tutti i file che vuoi in una volta. Basta selezionare più file quando li aggiungi.