การรู้จำอักขระด้วยแสง (OCR) เปลี่ยนรูปภาพของข้อความ—สแกน, ภาพถ่ายจากสมาร์ทโฟน, PDF—เป็นสตริงที่เครื่องอ่านได้ และ, เพิ่มมากขึ้น, ข้อมูลที่มีโครงสร้าง. OCR สมัยใหม่เป็นไปป์ไลน์ที่ทำความสะอาดรูปภาพ, ค้นหาข้อความ, อ่าน, และส่งออกเมทาดาทาที่สมบูรณ์ เพื่อให้ระบบดาวน์สตรีมสามารถค้นหา, จัดทำดัชนี, หรือดึงข้อมูลฟิลด์ได้. สองมาตรฐานเอาต์พุตที่ใช้กันอย่างแพร่หลายคือ hOCR, ไมโครฟอร์แมต HTML สำหรับข้อความและเลย์เอาต์, และ ALTO XML, สกีมาที่มุ่งเน้นไลบรารี/หอจดหมายเหตุ; ทั้งสองรักษาสถานะ, ลำดับการอ่าน, และสัญลักษณ์เลย์เอาต์อื่น ๆ และ ได้รับการสนับสนุนจากเครื่องมือยอดนิยมเช่น Tesseract.
การประมวลผลเบื้องต้น. คุณภาพของ OCR เริ่มต้นด้วยการทำความสะอาดภาพ: การแปลงเป็นสีเทา, การลดสัญญาณรบกวน, การกำหนดค่าขีดแบ่ง (การทำให้เป็นไบนารี), และการปรับแก้ความเอียง. บทเรียน OpenCV แบบบัญญัติครอบคลุมทั่วโลก, การปรับตัว และ Otsu การกำหนดค่าขีดแบ่ง—ซึ่งเป็นส่วนสำคัญสำหรับเอกสารที่มีแสงไม่สม่ำเสมอหรือฮิสโตแกรมแบบสองโหมด. เมื่อความสว่างแตกต่างกันไป ภายในหน้า (นึกถึงภาพถ่ายจากโทรศัพท์), วิธีการปรับตัวมักจะทำงานได้ดีกว่าการกำหนดค่าขีดแบ่งทั่วโลกเพียงค่าเดียว; Otsu จะเลือกค่าขีดแบ่งโดยอัตโนมัติโดยการวิเคราะห์ฮิสโตแกรม. การแก้ไขความเอียงก็มีความสำคัญเท่าเทียมกัน: การปรับแก้ความเอียงโดยใช้ Hough (การแปลงเส้นตรง Hough) ควบคู่กับการทำให้เป็นไบนารีของ Otsu เป็นสูตรทั่วไปและมีประสิทธิภาพในไปป์ไลน์การประมวลผลเบื้องต้นในการผลิต.
การตรวจจับกับการรู้จำ. OCR โดยทั่วไปแบ่งออกเป็น การตรวจจับข้อความ (ข้อความอยู่ที่ไหน ?) และ การรู้จำข้อความ (มันพูดว่าอะไร?). ในฉากธรรมชาติและการสแกนจ ำนวนมาก, ตัวตรวจจับแบบคอนโวลูชันเต็มรูปแบบ เช่น EAST ทำนายรูปสี่เหลี่ยมระดับคำหรือบรรทัดได้อย่างมีประสิทธิภาพโดยไม่มีขั้นตอนการเสนอที่หนักหน่วงและถูกนำไปใช้ใน ชุดเครื่องมือทั่วไป (เช่น, บทแนะนำการตรวจจับข้อความของ OpenCV). บนหน้าที่ซับซ้อน (หนังสือพิมพ์, แบบฟอร์ม, หนังสือ), การแบ่งส่วนของบรรทัด/ภูมิภาคและการอนุมานลำดับการอ่านมีความสำคัญ:Kraken ใช้การแบ่งส่วนโซน/บรรทัดแบบดั้งเดิมและการแบ่งส่วน เส้นฐาน แบบประสาท, พร้อมการสนับสนุนที่ชัดเจน สำหรับสคริปต์และทิศทางที่แตกต่างกัน (LTR/RTL/แนวตั้ง).
โมเดลการรู้จำ. ม้างานโอเพนซอร์สคลาสสิก Tesseract (โอเพนซอร์สโดย Google, มีรากฐานที่ HP) พัฒน าจากตัวแยกประเภทอักขระเป็นตัวรู้จำลำดับ ที่ใช้ LSTM และสามารถส่งออก PDF ที่ค้นหาได้, เอาต์พุตที่เป็นมิตรกับ hOCR/ALTO, และอื่น ๆ จาก CLI. ตัวรู้จำสมัยใหม่พึ่งพาการสร้างแบบจำลองลำดับโดยไม่มีอักขระที่แบ่งส่วนไว้ล่วงหน้า. Connectionist Temporal Classification (CTC) ยังคงเป็นพื้นฐาน, เรียนรู้การจัดตำแหน่งระหว่างลำดับคุณลักษณะอินพุตและสตริงป้ายกำกับเอาต์พุต; มันถูกใช้อย่างกว้างขวาง ในไปป์ไลน์การเขียนด้วยลายมือและข้อความในฉาก.
ในช่วงไม่กี่ปีที่ผ่านมา, Transformers ได้ปรับเปลี่ยน OCR. TrOCR ใช้ตัวเข้ารหัส Vision Transformer บวกกับตัวถอดรหัส Text Transformer, ฝึกฝนบนคลังข้อมูลสังเคราะห์ขนาดใหญ่แล้ว ปรับละเอียดบนข้อมูลจริง, พร้อมประสิทธิภาพที่แข็งแกร่งในเกณฑ์มาตรฐานก ารพิมพ์, การเขียนด้วยลายมือ และข้อความในฉาก (ดูเพิ่มเติมที่ เอกสาร Hugging Face). ในขณะเดียวกัน, บางระบบข้าม OCR เพื่อความเข้าใจดาวน์สตรีม: Donut (Document Understanding Transformer) เป็นตัวเข้ารหัส-ถอดรหัสที่ไม่มี OCR ซึ่งส่งออกคำตอบที่มีโครงสร้างโดยตรง (เช่น JSON คีย์-ค่า) จากเอกสาร รูปภาพ (repo, การ์ดโมเดล), หลีกเลี่ยงการสะสมข้อผิดพลาดเมื่อขั้นตอน OCR แยกต่างหากป้อนระบบ IE.
หากคุณต้องการการอ่านข้อความแบบครบวงจรในหลายสคริปต์, EasyOCR มี API ที่เรียบง่ายพร้อมโมเดลภาษามากกว่า 80 ภาษา, ส่งคืนกล่อง, ข้อความ, และความเชื่อมั่น—มีประโยชน์สำหรับต้นแบบและ สคริปต์ที่ไม่ใช่ภาษาละติน. สำหรับเอกสารทางประวัติศาสตร์, Kraken โดดเด่นด้วยการแบ่งส่วนเส้นฐานและการอ่านตามลำดับที่คำนึงถึงสคริปต์; สำหรับการฝึกอบรมระดับบรรทัดที่ยืดหยุ่น, Calamari สร้างขึ้นจากสายเลือด Ocropy (Ocropy) ด้วยตัวรู้จำ (หลาย)LSTM+CTC และ CLI สำหรับการปรับละเอียดโมเดลที่กำหนดเอง.
การสรุปผลขึ้นอยู่กับข้อมูล. สำหรับการเขียนด้วยลายมือ, ฐานข้อมูลการเขียนด้วยลายมือ IAM ให้ประโยคภาษาอังกฤษที่หลากหลายสำหรับผู้เขียนสำหรับการฝึกอบรมและการประเมิน; มันเป็นชุดอ้างอิงที่มีมายาวนานสำหรับ การรู้จำบรรทัดและคำ. สำหรับข้อความในฉาก, COCO-Text ได้ ใส่คำอธิบายประกอบอย่างกว้างขวางทับ MS-COCO, พร้อมป้ายกำกับสำหรับพิมพ์/เขียนด้วยลายมือ, อ่านได้/อ่านไม่ได้, สคริปต์, และ การถอดความแบบเต็ม (ดูเพิ่มเติมที่หน้า โครงการดั้งเดิม). สาขานี้ยังพึ่งพาการฝึกอบรมล่วงหน้าแบบสังเคราะห์อย่างมาก: SynthText in the Wild แสดงข้อความลงในภาพถ่ายด้วยรูปทรงเรขาคณิตและแสงที่สมจริง, ให้ข้อมูลจำนวนมหาศาลเพื่อฝึกอบรมล่วงหน้า ตัวตรวจจับและตัวรู้จำ (อ้างอิง โค้ดและข้อมูล).
การแข่งขันภายใต้ ICDAR’s Robust Reading ร่มช่วยให้การประเมินผลเป็นไปอย่างมีเหตุผล. งานล่าสุดเน้นการตรวจจับ/การอ่านแบบ end-to-end และรวมถึงการเชื่อมโยงคำ เป็นวลี, พร้อมโค้ดอย่างเป็นทางการที่รายงาน ความแม่นยำ/การเรียกคืน/F-score, intersection-over-union (IoU), และเมตริกระยะห่างการแก้ไขระดับอักขระ—สะท้อนสิ่งที่ผู้ปฏิบัติงานควรติดตาม.
OCR ไม่ค่อยจบลงที่ข้อความธรรมดา. หอจดหมายเหตุและห้องสมุดดิจิทัลต้องการ ALTO XML เพราะมันเข้ารหัสเลย์เอาต์ทางกายภาพ (บล็อก/บรรทัด/คำพร้อมพิกัด) ควบคู่ไปกับเนื้อหา, และมันเข้ากันได้ดี กับแพ็คเกจ METS. hOCR ไมโครฟอร์แมต, ในทางตรงกันข้าม, ฝังแนวคิดเดียวกันลงใน HTML/CSS โดยใช้คลาสเช่น ocr_line และ ocrx_word, ทำให้ง่ายต่อการแสดง, แก้ไข, และแปลงด้วยเครื่องมือเว็บ. Tesseract เปิดเผยทั้งสอง—เช่น, การสร้าง hOCR หรือ PDF ที่ค้นหาได้โดยตรงจาก CLI (คู่มือการส่ งออก PDF); ตัวห่อหุ้ม Python เช่น pytesseract เพิ่มความสะดวก. มีตัวแปลงเพื่อแปลระหว่าง hOCR และ ALTO เมื่อที่เก็บมีมาตรฐานการนำเข้าที่ตายตัว —ดูรายการที่คัดสรรมานี้ของ เครื่องมือรูปแบบไฟล์ OCR.
แนวโน้มที่แข็งแกร่งที่สุดคือการบรรจบกัน: การตรวจจับ, การรู้จำ, การสร้างแบบจำลองภาษา, และแม้แต่การถอดรหัสเฉพาะงาน กำลังรวมกันเป็นสแต็ก Transformer ที่เป็นหนึ่งเดียว. การฝึกอบรมล่วงหน้าบน คลังข้อมูลสังเคราะห์ขนาดใหญ่ ยังคงเป็นตัวคูณกำลัง. โมเดลที่ไม่มี OCR จะแข่งขันอย่างดุเดือดทุกที่ที่เป้าหมายเป็นเอาต์พุตที่มีโครงสร้าง แทนที่จะเป็นการถอดความแบบคำต่อคำ. คาดหวังการปรับใช้แบบไฮบริดด้วย: ตัวตรวจจับน้ำหนักเบาบวกกับตัวรู้จำสไตล์ TrOCR สำหรับข้อความยาว, และโมเดลสไตล์ Donut สำหรับแบบฟอร์มและใบเสร็จ.
Tesseract (GitHub) · เอกสาร Tesseract · ข้อมูลจำเพาะ hOCR · พื้นหลัง ALTO · ตัวตรวจจับ EAST · การตรวจจับข้อความ OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · การเขียนด้วยลายมือ IAM · เครื่องมือรูปแบบไฟล์ OCR · EasyOCR
Optical Character Recognition (OCR) เป็นเทคโนโลยีที่ใช้ในการแปลงประเภทต่าง ๆ ของเอกสาร เช่น ผลงานที่สแกนด้วยกระดาษ PDF ไฟล์หรือภาพที่ถ่ายด้วยกล้องดิจิตอล ให้เป็นข้อมูลที่สามารถแก้ไขและค้นหาได้
OCR ทำงานโดยการสแกนภาพนำเข้าต่างๆหรือเอกสาร การแบ่งภาพออกเป็นตัวอักษรแต่ละตัว แล้วเปรียบเทียบแต่ละตัวอักษรกับฐานข้อมูลแบบรูปของตัวอักษรโดยใช้การจดจำรูปแบบหรือจดจำลักษณะ
OCR ถูกนำไปใช้ในหลายภาคและการประยุกต์ใช้ เช่น การเปลี่ยนเอกสารที่พิมพ์ออกมาเป็นดิจิตอล การเปิดให้บริการอักษรเป็นเสียง การทำให้กระบวนการกรอกข้อมูลเป็นอัตโนมัติ และสนับสนุนผู้ที่ มีความบกพร่องทางการมองเห็นให้สามารถสัมผัสปฏิสัมพันธ์กับข้อความได้ตรงตามความต้องการ
อย่างไรก็ตาม ทั้งที่เทคโนโลยี OCR ได้พัฒนามาอย่างมาก แต่ยังไม่มีความสมบูรณ์ การมีความแม่นยำมักจะขึ้นอยู่กับคุณภาพของเอกสารเดิมและรายละเอียดของซอฟต์แวร์ OCR ที่ใช้
ถึงแม้ว่า OCR ถูกออกแบบมาสำหรับข้อความที่พิมพ์ แต่ระบบ OCR ที่ระดับสูงบางระบบสามารถจดจำลายมือที่ชัดเจน สอดคล้องได้ อย่างไรก็ดี ทั่วไปแล้วการจดจำลายมือมีความแม่นยำน้อยกว่า เนื่องจากมีการผันแปรของรูปแบบการเขียนของแต่ละคน
ใช่ ซอฟต์แวร์ OCR หลายระบบสามารถจดจำภาษาหลายภาษา อย่างไรก็ตาม สำคัญที่จะต้องดูว ่าภาษาที่ต้องการได้รับการสนับสนุนโดยซอฟต์แวร์ที่คุณใช้
OCR ย่อมาจาก Optical Character Recognition และใช้ในการจดจำข้อความที่พิมพ์ขณะที่ ICR หรือ Intelligent Character Recognition ที่ทันสมัยยิ่งขึ้นและใช้สำหรับการจดจำข้อความที่เขียนด้วยมือ
OCR ทำงานได้ดีที่สุดกับแบบอักษรที่ชัดเจน, สามารถอ่านได้ง่ายและมีขนาดข้อความมาตรฐาน ในขณะที่มันสามารถทำงานได้กับแบบอักษรและขนาดที่หลากหลาย แต่ความถูกต้องมักจะลดลงเมื่อจัดการกับแบบอักษรที่ไม่ปกติหรือขนาดข้อความที่เล็กมาก
OCR อาจพบปัญหากับเอกสารที่มีความละเอียดต่ำ, แบบอักษรซับซ้อน, ข้อความที่พิมพ์ไม่ดี, ลา ยมือ และเอกสารที่มีพื้นหลังที่แทรกซ้อนกับข้อความ นอกจากนี้ อย่างไรก็ตาม อาจใช้งานกับภาษาหลายภาษาได้ มันอาจไม่ครอบคลุมทุกภาษาอย่างสมบูรณ์
ใช่ OCR สามารถสแกนข้อความที่มีสีและพื้นหลังที่มีสี แม้ว่าจะมีประสิทธิภาพมากขึ้นด้วยสีที่มีความเปรียบเทียบความตัดกัน เช่น ข้อความดำบนพื้นหลังสีขาว ความถูกต้องอาจลดลงเมื่อสีข้อความและสีพื้นหลังไม่มีความคมชัดเพียงพอ
รูปแบบไฟล์ JP2 หรือ JPEG 2000 ส่วนที่ 1 เป็นระบบการเข้ารหัสภาพที่สร้างขึ้นเพื่อเป็นตัวสืบทอดมาตรฐาน JPEG เดิมโดย Joint Photographic Experts Group ซึ่งเปิดตัวในปี 2000 และเป็นที่รู้จักอย่างเป็นทา งการในชื่อ ISO/IEC 15444-1 ซึ่งแตกต่างจากรุ่นก่อน JPEG 2000 ได้รับการออกแบบมาเพื่อให้เทคนิคการบีบอัดภาพที่มีประสิทธิภาพและยืดหยุ่นมากขึ้น ซึ่งสามารถแก้ไขข้อจำกัดบางประการของรูปแบบ JPEG เดิมได้ JPEG 2000 ใช้การบีบอัดแบบเวฟเล็ต ซึ่งช่วยให้สามารถบีบอัดแบบไม่สูญเสียและแบบสูญเสียได้ในไฟล์เดียวกัน โดยให้ความสามารถในการปรับขนาดและความเที่ยงตรงของภาพในระดับที่สูงขึ้น
หนึ่งในคุณสมบัติหลักของรูปแบบ JPEG 2000 คือการใช้การแปลงเวฟเล็ตแบบไม่ต่อเนื่อง (DWT) ซึ่งตรงกันข้ามกับการแปลงโคไซน์แบบไม่ต่อเนื่อง (DCT) ที่ใช้ในรูปแบบ JPEG เดิม DWT มีข้อได้เปรียบหลายประการเหนือ DCT รวมถึงประสิทธิภาพการบีบอัดที่ดีกว่า โดยเฉพาะอย่างยิ่งสำหรับภาพความละเอียดสูง และลดสิ่งประดิษฐ์แบบบล็อก เนื่องจากการแปลงเวฟเล็ตสามารถแสดงภาพที่มีระดับรายละเอียดที่แตกต่างกัน ซึ่งสามา รถปรับได้ตามความต้องการเฉพาะของแอปพลิเคชันหรือการตั้งค่าของผู้ใช้
รูปแบบ JP2 รองรับพื้นที่สีที่หลากหลาย รวมถึงเฉดสีเทา RGB YCbCr และอื่นๆ รวมถึงความลึกของบิตต่างๆ ตั้งแต่ภาพไบนารีสูงสุด 16 บิตต่อช่อง ความยืดหยุ่นนี้ทำให้เหมาะสำหรับแอปพลิเคชันต่างๆ ตั้งแต่การถ่ายภาพดิจิทัลไปจนถึงการถ่ายภาพทางการแพทย์และการสำรวจระยะไกล นอกจากนี้ JPEG 2000 ยังรองรับความโปร่งใสผ่านการใช้ช่องอัลฟา ซึ่งไม่สามารถทำได้ในรูปแบบ JPEG มาตรฐาน
ข้อได้เปรียบที่สำคัญอีกประการหนึ่งของ JPEG 2000 คือการรองรับการถอดรหัสแบบก้าวหน้า ซึ่งหมายความว่าสามารถถอดรหัสและแสดงภาพที่ความละเอียดและระดับคุณภาพต่ำกว่าได้ก่อนที่จะดาวน์โหลดไฟล์ทั้งหมด ซึ่งมีประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันเว็บ เมื่อมีข้อมูลมากขึ้น คุณภาพของภาพจะได้รับการปรับปรุงอย่างต่อเนื่อง คุณสมบัตินี้ซึ่งเรียกว่า 'เลเยอร์คุณภาพ' ช่วยให้ใช้แบนด์วิดท์ได้อย่างมีประสิทธิภาพและมอบประสบการณ์การใช้งานที่ดีกว่าในสภาพแวดล้อมที่มีข้อจำกัดด้านแบนด์วิดท์
JPEG 2000 ยังนำเสนอแนวคิดเรื่อง 'พื้นที่ที่น่าสนใจ' (ROI) ด้วย ROI บางส่วนของภาพสามารถเข้ารหัสด้วยคุณภาพที่สูงกว่าส่วนอื่นๆ ของภาพได้ ซึ่งมีประโยชน์อย่างยิ่งเมื่อจำเป็นต้องดึงดูดความสนใจไปยังพื้นที่เฉพาะภายในภาพ เช่น ในการเฝ้าระวังหรือการวินิจฉัยทางการแพทย์ ซึ่งอาจมุ่งเน้นไปที่ความผิดปกติหรือคุณสมบัติเฉพาะภายในภาพ
รูปแบบ JP2 มีความสามารถในการจัดการเมตาดาต้าที่แข็งแกร่ง สามารถจัดเก็บข้อมูลเมตาดาต้าที่หลากหลาย เช่น เมตาดาต้าของ International Press Telecommunications Council (IPTC) ข้อมูล Exif ข้อมูล XML และแม้แต่ข้อมูลทรัพย์สินทางปัญญา การรองรับเมตาดาต้าที่ครอบคลุมนี้ช่วยให้จัดทำแคตตาล็อกและจัดเก็บภาพได้ดียิ่งขึ้น และช่วยให้มั่นใจได้ว่าข้อมูลสำคัญเกี่ยวกับภาพจะได้รับการเก็บรักษาไว้และสามารถเข้าถึงได้ง่าย
ความยืดหยุ่นต่อข้อผิดพลาดเป็นอีกคุณสมบัติหนึ่งของ JPEG 2000 ที่ทำให้เหมาะสำหรับการใช้งานผ่านเครือข่ายที่อาจเกิดการสูญหายของข้อมูล เช่น การสื่อสารไร้สายหรือผ่านดาวเทียม รูปแบบนี้มีกลไกสำหรับการตรวจจับและแก้ไขข้อผิดพลาด ซึ่งสามารถช่วยให้มั่นใจได้ว่าภาพจะถอดรหัสได้อย่างถูกต้องแม้ว่าข้อมูลบางส่วนจะเสียหายระหว่างการส่งก็ตาม
ไฟล์ JPEG 2000 โดยทั่วไปจะมีขนาดใหญ่กว่าไฟล์ JPEG เมื่อเข้ารหัสที่ระดับคุณภาพที่คล้ายกัน ซึ่งเป็นหนึ่งในอุปสรรคต่อการนำไปใช้ในวงกว้าง อย่างไรก็ตาม สำหรับแอปพลิเคชันที่คุณภาพของภาพมีความสำคัญสูงสุดและขนาดไฟล์ที่เพิ่มขึ้นไม่ใช่ปัญหาสำคัญ JPEG 2000 จึงมีข้อได้เปรียบที่ชั ดเจน นอกจากนี้ยังควรสังเกตว่าประสิทธิภาพการบีบอัดที่เหนือกว่าของรูปแบบนี้สามารถส่งผลให้ขนาดไฟล์เล็กลงที่ระดับคุณภาพที่สูงขึ้นเมื่อเปรียบเทียบกับ JPEG โดยเฉพาะสำหรับภาพความละเอียดสูง
รูปแบบ JP2 นั้นสามารถขยายได้และได้รับการออกแบบมาให้เป็นส่วนหนึ่งของชุดมาตรฐานที่ใหญ่กว่าที่เรียกว่า JPEG 2000 ชุดนี้ประกอบด้วยส่วนต่างๆ ที่ขยายความสามารถของรูปแบบพื้นฐาน เช่น การรองรับภาพเคลื่อนไหว (JPEG 2000 ส่วนที่ 2) การส่งภาพที่ปลอดภัย (JPEG 2000 ส่วนที่ 8) และโปรโตคอลแบบโต้ตอบ (JPEG 2000 ส่วนที่ 9) ความสามารถในการขยายนี้ช่วยให้มั่นใจได้ว่ารูปแบบสามารถพัฒนาเพื่อตอบสนองความต้องการของแอปพลิเคชันมัลติมีเดียในอนาคต
ในแง่ของโครงสร้างไฟล์ ไฟล์ JP2 ประกอบด้วยลำดับของกล่อง ซึ่งแต่ละกล่องมีข้อมูลประเภทเฉพาะ กล่องต่างๆ ได้แก่ กล่องลายเซ็นไฟล์ ซึ่งระบุไฟล ์ว่าเป็น JPEG 2000 codestream กล่องประเภทไฟล์ ซึ่งระบุประเภทสื่อและความเข้ากันได้ และกล่องส่วนหัว ซึ่งมีคุณสมบัติของภาพ เช่น ความกว้าง ความสูง พื้นที่สี และความลึกของบิต กล่องเพิ่มเติมสามารถมีข้อมูลข้อกำหนดสี ข้อมูลจานสีสำหรับภาพสีที่จัดทำดัชนี ข้อมูลความละเอียด และข้อมูลสิทธิ์ในทรัพย์สินทางปัญญา
ข้อมูลภาพจริงในไฟล์ JP2 อยู่ในกล่อง 'codestream ที่ต่อเนื่อง' ซึ่งมีข้อมูลภาพที่บีบอัดและข้อมูลสไตล์การเข้ารหัสใดๆ Codestream จัดเป็น 'ไทล์' ซึ่งเป็นส่วนของภาพที่เข้ารหัสแยกกัน คุณสมบัติการปูกระเบื้องนี้ช่วยให้สามารถเข้าถึงส่วนต่างๆ ของภาพได้อย่างมีประสิทธิภาพโดยไม่จำเป็นต้องถอดรหัสภาพทั้งหมด ซึ่งเป็นประโยชน์สำหรับภาพขนาดใหญ่หรือเมื่อต้องการเพียงส่วนหนึ่งของภาพ
กระบวนการบีบอัดใน JPEG 2000 เกี่ยวข้องกับหลายขั้นตอน ขั้นแรกคือการประมวลผลภาพล่วงหน้า ซึ่งอาจรวมถึงการปูกระเบื้อง การแปลงสี และการลดการสุ่มตัวอย่าง จากนั้นใช้ DWT เพื่อแปลงข้อมูลภาพเป็นชุดค่าสัมประสิทธิ์แบบลำดับชั้นที่แสดงภาพที่ความละเอียดและระดับคุณภาพต่างกัน จากนั้นค่าสัมประสิทธิ์เหล่านี้จะถูกทำให้มีปริมาณ ซึ่งสามารถทำได้แบบไม่สูญเสียหรือแบบสูญเสีย และค่าที่มีปริมาณจะถูกเข้ารหัสเอนโทรปีโดยใช้เทคนิคต่างๆ เช่น การเข้ารหัสเลขคณิตหรือการเข้ารหัสแบบไบนารีทรี
หนึ่งในความท้าทายในการนำ JPEG 2000 มาใช้คือความซับซ้อนในการคำนวณของกระบวนการเข้ารหัสและถอดรหัส ซึ่งใช้ทรัพยากรมากกว่ามาตรฐาน JPEG เดิม สิ่งนี้จำกัดการใช้งานในแอปพลิเคชันแบบเรียลไทม์หรือใช้พลังงานต่ำบางอย่าง อย่างไรก็ตาม ความก้าวหน้าในพลังการประมวลผลและการพัฒนาอัลกอริทึมและตัวเร่งฮาร์ดแวร์ที่เหมาะสมยิ่งขึ้นได้ทำ ให้ JPEG 2000 เข้าถึงได้มากขึ้นสำหรับแอปพลิเคชันที่หลากหลายยิ่งขึ้น
แม้จะมีข้อได้เปรียบ แต่ JPEG 2000 ก็ไม่ได้แทนที่รูปแบบ JPEG เดิมในแอปพลิเคชันกระแสหลักส่วนใหญ่ ความเรียบง่าย การรองรับอย่างกว้างขวาง และความเฉื่อยของโครงสร้างพื้นฐานที่มีอยู่ของ JPEG ทำให้ยังคงครองความเป็นใหญ่ต่อไป อย่างไรก็ตาม JPEG 2000 ได้พบช่องทางในสาขาอาชีพที่คุณสมบัติขั้นสูง เช่น ช่วงไดนามิกที่สูงกว่า การบีบอัดแบบไม่สูญ
ตัวแปลงนี้ทำงานอย่างสมบูรณ์ในเบราว์เซอร์ของคุณ เมื่อคุณเลือกไฟล์ ไฟล์จะถูกอ่านเข้าไปในหน่วยความจำและแปลงเป็นรูปแบบที่เลือก จากนั้นคุณสามารถดาวน์โหลดไฟล์ที่แปลงแล้วได้
การแปลงจะเริ่มขึ้นทันที และไฟล์ส่วนใหญ่จะถูกแปลงภายในเวลาไม่ถึงหนึ่งวินาที ไฟล์ขนาดใหญ่อาจใช้เวลานานกว่านั้น
ไฟล์ของคุณจะไม่ถูกอัปโหลดไปยังเซิร์ฟเวอร์ของเรา ไฟล์เหล่านั้นจะถูกแปลงในเบราว์เซอร์ของคุณ จากนั้นไฟล์ที่แปลงแล้วจะถูกดาวน์โหลด เราไม่เคยเห็นไฟล์ของคุณ
เรารองรับการแปลงระหว่างรูปแบบภาพทั้งหมด รวมถึง JPEG, PNG, GIF, WebP, SVG, BMP, TIFF และอื่นๆ
ตัวแปลงนี้ฟรีโดยสมบูรณ์ และจะฟรีตลอดไป เนื่องจากทำงานในเบราว์เซอร์ของคุณ เราจึงไม่ต้องจ่ายค่าเซิร์ฟเวอร์ ดังนั้นเราจึงไม่เรียกเก็บเงินจากคุณ
ใช่! คุณสามารถแปลงไฟล์ได้มากเท่าที่คุณต้องการในคราวเดียว เพียงเลือกหลายไฟล์เมื่อคุณเพิ่ม