OCR di ogni JPS

Illimitati lavori. Dimensione dei file fino a 2.5GB. Gratuitamente, per sempre.

Tutto locale

Il nostro convertitore funziona nel tuo browser, quindi non vediamo mai i tuoi dati.

Velocissimo

Nessun caricamento dei tuoi file su un server: le conversioni iniziano immediatamente.

Sicuro di default

A differenza di altri convertitori, i tuoi file non vengono mai caricati da noi.

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 JPS?

Formato JPS del Gruppo di Esperti Fotografici Coniugati

Il formato immagine JPEG XL (JXL) è uno standard di codifica delle immagini di nuova generazione che mira a superare le capacità dei formati esistenti come JPEG, PNG e GIF fornendo un'efficienza di compressione, una qualità e delle funzionalità superiori. È il risultato di uno sforzo collaborativo del comitato Joint Photographic Experts Group (JPEG), che è stato determinante nello sviluppo degli standard di compressione delle immagini. JPEG XL è progettato per essere un formato immagine universale in grado di gestire un'ampia gamma di casi d'uso, dalla fotografia professionale alla grafica web.

Uno degli obiettivi principali di JPEG XL è fornire una compressione delle immagini di alta qualità che possa ridurre significativamente le dimensioni dei file senza compromettere la qualità visiva. Ciò viene ottenuto attraverso una combinazione di tecniche di compressione avanzate e un moderno framework di codifica. Il formato utilizza un approccio modulare, che gli consente di incorporare varie operazioni di elaborazione delle immagini come conversioni dello spazio colore, mappatura dei toni e ridimensionamento reattivo direttamente nella pipeline di compressione.

JPEG XL è costruito sulle fondamenta di due precedenti codec di immagini: PIK di Google e FUIF (Free Universal Image Format) di Cloudinary. Questi codec hanno introdotto diverse innovazioni nella compressione delle immagini, che sono state ulteriormente perfezionate e integrate in JPEG XL. Il formato è progettato per essere privo di royalty, il che lo rende un'opzione interessante sia per gli sviluppatori di software che per i creatori di contenuti che richiedono una soluzione conveniente per l'archiviazione e la distribuzione delle immagini.

Al centro dell'efficienza di compressione di JPEG XL c'è l'uso di una moderna tecnica di codifica dell'entropia chiamata sistemi numerici asimmetrici (ANS). ANS è una forma di codifica aritmetica che fornisce rapporti di compressione quasi ottimali codificando in modo efficiente la distribuzione statistica dei dati dell'immagine. Ciò consente a JPEG XL di ottenere una compressione migliore rispetto ai metodi tradizionali come la codifica Huffman, utilizzata nel formato JPEG originale.

JPEG XL introduce anche un nuovo spazio colore chiamato XYB (eXtra Y, Blue-yellow), progettato per allinearsi meglio con la percezione visiva umana. Lo spazio colore XYB consente una compressione più efficiente dando priorità ai componenti di un'immagine che sono più importanti per l'occhio umano. Ciò si traduce in immagini che non solo hanno dimensioni di file più piccole, ma presentano anche meno artefatti di compressione, in particolare nelle aree con sottili variazioni di colore.

Un'altra caratteristica chiave di JPEG XL è il supporto per immagini ad alta gamma dinamica (HDR) e ampia gamma cromatica (WCG). Con l'evolversi delle tecnologie di visualizzazione, c'è una crescente richiesta di formati di immagine in grado di gestire l'ampia gamma di luminosità e colori che questi nuovi display possono produrre. Il supporto nativo di JPEG XL per HDR e WCG garantisce che le immagini appaiano vivide e realistiche sugli schermi più recenti, senza la necessità di metadati aggiuntivi o file sidecar.

JPEG XL è inoltre progettato pensando alla decodifica progressiva. Ciò significa che un'immagine può essere visualizzata a una qualità inferiore mentre viene ancora scaricata e la qualità può migliorare progressivamente man mano che diventano disponibili più dati. Questa funzione è particolarmente utile per la navigazione web, dove gli utenti possono avere velocità Internet variabili. Consente una migliore esperienza utente fornendo un'anteprima dell'immagine senza dover attendere il download dell'intero file.

In termini di compatibilità con le versioni precedenti, JPEG XL offre una caratteristica unica chiamata "ricompressione JPEG". Ciò consente di ricomprimere le immagini JPEG esistenti nel formato JPEG XL senza alcuna perdita di qualità aggiuntiva. Le immagini ricompresse non solo sono più piccole, ma conservano anche tutti i dati JPEG originali, il che significa che possono essere convertite nuovamente nel formato JPEG originale se necessario. Ciò rende JPEG XL un'opzione interessante per l'archiviazione di grandi raccolte di immagini JPEG, poiché può ridurre significativamente i requisiti di archiviazione preservando la possibilità di tornare ai file originali.

JPEG XL affronta anche la necessità di immagini reattive sul web. Grazie alla sua capacità di memorizzare più risoluzioni di un'immagine all'interno di un singolo file, gli sviluppatori web possono fornire le dimensioni dell'immagine più appropriate in base al dispositivo dell'utente e alla risoluzione dello schermo. Ciò elimina la necessità di file immagine separati per risoluzioni diverse e semplifica il processo di creazione di web design reattivi.

Per fotografi professionisti e grafici, JPEG XL supporta la compressione senza perdita di dati, che garantisce che ogni singolo bit dei dati dell'immagine originale venga preservato. Ciò è fondamentale per le applicazioni in cui l'integrità dell'immagine è fondamentale, come nell'imaging medico, negli archivi digitali e nell'editing fotografico professionale. Anche la modalità senza perdita di dati di JPEG XL è altamente efficiente, spesso con dimensioni di file più piccole rispetto ad altri formati senza perdita di dati come PNG o TIFF.

Il set di funzionalità di JPEG XL si estende per includere il supporto per l'animazione, simile ai formati GIF e WebP, ma con una compressione e una qualità molto migliori. Ciò lo rende un sostituto adatto per le GIF sul web, fornendo animazioni più fluide con una tavolozza di colori più ampia e senza le limitazioni della restrizione di 256 colori della GIF.

Il formato include anche un robusto supporto per i metadati, inclusi i profili EXIF, XMP e ICC, garantendo che le informazioni importanti sull'immagine vengano preservate durante la compressione. Questi metadati possono includere dettagli come le impostazioni della fotocamera, le informazioni sul copyright e i dati di gestione del colore, che sono essenziali sia per l'uso professionale che per la conservazione del patrimonio digitale.

Anche la sicurezza e la privacy sono considerate nella progettazione di JPEG XL. Il formato non consente l'inclusione di codice eseguibile, il che riduce il rischio di vulnerabilità di sicurezza che possono essere sfruttate tramite immagini. Inoltre, JPEG XL supporta la rimozione di metadati sensibili, che può contribuire a proteggere la privacy dell'utente durante la condivisione di immagini online.

JPEG XL è progettato per essere a prova di futuro, con un formato contenitore flessibile che può essere esteso per supportare nuove funzionalità e tecnologie man mano che emergono. Ciò garantisce che il formato possa adattarsi ai requisiti mutevoli e continuare a fungere da formato immagine universale per gli anni a venire.

In termini di adozione, JPEG XL è ancora nelle fasi iniziali, con sforzi in corso per integrare il supporto nei browser web, nei sistemi operativi e nel software di editing delle immagini. Man mano che più piattaforme adottano il formato, ci si aspetta che guadagni terreno come sostituto dei vecchi formati di immagine, offrendo una combinazione di efficienza, qualità e funzionalità migliorate.

In conclusione, JPEG XL rappresenta un progresso significativo nella tecnologia di compressione delle immagini. La sua combinazione di elevata efficienza di compressione, supporto per le moderne funzionalità di imaging e compatibilità con le versioni precedenti lo posiziona come un forte candidato per diventare il nuovo standard per l'archiviazione e la trasmissione delle immagini. Man mano che il formato guadagna un'adozione più ampia, ha il potenziale per trasformare il modo in cui creiamo, condividiamo e consumiamo immagini digitali, rendendole più accessibili e piacevoli per tutti.

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 immediatamente 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.

Quanto costa?

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

Posso convertire più file contemporaneamente?

Sì! Puoi convertire quanti file vuoi contemporaneamente. Basta selezionare più file quando li aggiungi.