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
รูปแบบการบีบอัด DXT1 ซึ่งเป็นส่วนหนึ่งของตระกูล DirectX Texture (DirectXTex) เป็นก้าวกระโดดที่สำคัญในเทคโนโลยีการบีบอัดภาพที่ออกแบบมาโดยเฉพาะสำหรับกราฟิกคอมพิวเตอร์ เป็นเทคนิคการบ ีบอัดแบบสูญเสียที่สร้างสมดุลระหว่างคุณภาพของภาพกับความต้องการพื้นที่จัดเก็บ ทำให้เหมาะอย่างยิ่งสำหรับแอปพลิเคชัน 3 มิติแบบเรียลไทม์ เช่น เกม ซึ่งทั้งพื้นที่ดิสก์และแบนด์วิดท์เป็นสิ่งที่มีค่า ในแกนหลัก รูปแบบ DXT1 จะบีบอัดข้อมูลพื้นผิวให้มีขนาดเล็กลงกว่าขนาดเดิมโดยไม่ต้องใช้การคลายการบีบอัดแบบเรียลไทม์ จึงช่วยลดการใช้หน่วยความจำและเพิ่มประสิทธิภาพการทำงาน
DXT1 ทำงานบนบล็อกของพิกเซลมากกว่าพิกเซลแต่ละพิกเซลโดยเฉพาะ โดยจะประมวลผลบล็อกพิกเซลขนาด 4x4 และบีบอัดแต่ละบล็อกให้เหลือ 64 บิต วิธีการนี้คือการบีบอัดแบบแบ่งบล็อก ซึ่งเป็นสิ่งที่ทำให้ DXT1 สามารถลดปริมาณข้อมูลที่จำเป็นในการแสดงภาพได้อย่างมาก สาระสำคัญของการบีบอัดใน DXT1 อยู่ที่ความสามารถในการหาสมดุลในการแสดงสีภายในแต่ละบล็อก จึงรักษาไว้ซึ่งรายละเอียดให้ไ ด้มากที่สุดเท่าที่จะเป็นไปได้ในขณะที่บรรลุอัตราการบีบอัดสูง
กระบวนการบีบอัดของ DXT1 สามารถแบ่งออกเป็นหลายขั้นตอน ขั้นแรกคือการระบุสองสีภายในบล็อกที่เป็นตัวแทนของช่วงสีโดยรวมของบล็อกมากที่สุด สีเหล่านี้จะถูกเลือกตามความสามารถในการครอบคลุมความแปรผันของสีภายในบล็อก และจะถูกจัดเก็บเป็นสี RGB 16 บิตสองสี แม้ว่าความลึกของบิตจะต่ำกว่าข้อมูลภาพต้นฉบับ แต่ขั้นตอนนี้ก็ช่วยให้มั่นใจได้ว่าข้อมูลสีที่สำคัญที่สุดจะยังคงอยู่
หลังจากกำหนดสีหลักสองสีแล้ว DXT1 จะใช้สีเหล่านั้นเพื่อสร้างสีเพิ่มเติมอีกสองสี รวมเป็นสีทั้งหมดสี่สีที่จะแสดงทั้งบล็อก สีเพิ่มเติมเหล่านี้จะคำนวณผ่านการแทรกสอดเชิงเส้น ซึ่งเป็นกระบวนการที่ผสมสีหลักสองสีในสัดส่วนที่ต่างกัน โดยเฉพาะ สีที่สามจะถูกสร้างขึ้นโดยการผสมสีหลักสองสีอย่างเท่าๆ กั น ในขณะที่สีที่สี่จะเป็นการผสมที่เน้นสีแรกหรือสีดำล้วน ขึ้นอยู่กับความต้องการความโปร่งใสของพื้นผิว
เมื่อกำหนดสีทั้งสี่แล้ว ขั้นตอนต่อไปคือการแม็ปพิกเซลแต่ละพิกเซลในบล็อก 4x4 ต้นฉบับไปยังสีที่ใกล้เคียงที่สุดในสีที่สร้างขึ้นทั้งสี่ การแม็ปนี้จะทำผ่านอัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุด ซึ่งจะคำนวณระยะห่างระหว่างสีพิกเซลต้นฉบับและสีตัวแทนทั้งสี่ และกำหนดพิกเซลให้กับการจับคู่ที่ใกล้ที่สุด กระบวนการนี้จะทำให้ปริภูมิสีต้นฉบับของบล็อกมีปริมาณเท่ากับสีที่แตกต่างกันสี่สี ซึ่งเป็นปัจจัยสำคัญในการบรรลุการบีบอัดของ DXT1
ขั้นตอนสุดท้ายในกระบวนการบีบอัด DXT1 คือการเข้ารหัสข้อมูลการแม็ปสีพร้อมกับสีต้นฉบับสองสีที่เลือกไว้สำหรับบล็อก สีต้นฉบับสองสีจะถูกจัดเก็บโดยตรงในข้อมูลบล็อกที่บีบอัดเป็นค่า 16 บิต ในขณะเดียวกัน การแม็ปของแต่ละพิกเซลไปยังหนึ่งในสี่สีจะถูกเข้ารหัสเป็นดัชนี 2 บิต โดยแต่ละดัชนีจะชี้ไปที่หนึ่งในสี่สี ดัชนีเหล่านี้จะถูกจัดเก็บรวมกันและครอบคลุมบิตที่เหลือของบล็อก 64 บิต บล็อกที่บีบอัดที่ได้จึงมีทั้งข้อมูลสีและการแม็ปที่จำเป็นในการสร้างรูปลักษณ์ของบล็อกใหม่ในระหว่างการคลายการบีบอัด
การคลายการบีบอัดใน DXT1 ได้รับการออกแบบมาให้เป็นกระบวนการที่ตรงไปตรงมาและรวดเร็ว ทำให้เหมาะอย่างยิ่งสำหรับแอปพลิเคชันแบบเรียลไทม์ ความเรียบง่ายของอัลกอริทึมการคลายการบีบอัดช่วยให้สามารถดำเนินการได้โดยฮาร์ดแวร์ในกราฟิกการ์ดสมัยใหม่ ซึ่งจะช่วยลดภาระบน CPU และเพิ่มประสิทธิภาพการทำงานของพื้นผิวที่บีบอัดด้วย DXT1 ในระหว่างการคลายการบีบอัด สีต้นฉบับสองสีจะถูกดึงมาจากข้อมูลบล็อกและใช้ร่วมกับดัชนี 2 บิตเพื่อสร้างสีของแ ต่ละพิกเซลในบล็อก วิธีการแทรกสอดเชิงเส้นจะถูกนำมาใช้เพื่อหาสีกลางหากจำเป็น
ข้อดีอย่างหนึ่งของ DXT1 คือการลดขนาดไฟล์ลงอย่างมาก ซึ่งอาจมากถึง 8:1 เมื่อเทียบกับพื้นผิว RGB 24 บิตที่ไม่บีบอัด การลดลงนี้ไม่เพียงแต่จะช่วยประหยัดพื้นที่ดิสก์เท่านั้น แต่ยังช่วยลดเวลาในการโหลดและเพิ่มศักยภาพในการเปลี่ยนแปลงพื้นผิวภายในงบประมาณหน่วยความจำที่กำหนด นอกจากนี้ ข้อดีด้านประสิทธิภาพของ DXT1 ไม่ได้จำกัดอยู่แค่การประหยัดพื้นที่จัดเก็บและแบนด์วิดท์เท่านั้น แต่ยังช่วยให้การแสดงผลเร็วขึ้นอีกด้วย โดยการลดปริมาณข้อมูลที่ต้องประมวลผลและถ่ายโอนไปยัง GPU ทำให้เป็นรูปแบบที่เหมาะสำหรับการเล่นเกมและแอปพลิเคชันที่ใช้กราฟิกอย่างหนัก
แม้จะมีข้อดี แต่ DXT1 ก็มีข้อจำกัด ข้อจำกัดที่เห็นได้ชัดที่สุดคือศักยภาพของสิ่งประดิษฐ์ที่มองเห็นได้ โดยเฉพาะในพื้นผิวที่มีคอนทราสต์ของสีสูงหรือรายละเอียดที่ซับซ้อน สิ่งประดิษฐ์เหล่านี้เกิดจากกระบวนการปริมาณและข้อจำกัดของสีสี่สีต่อบล็อก ซึ่งอาจไม่แสดงช่วงสีเต็มของภาพต้นฉบับได้อย่างแม่นยำ นอกจากนี้ ความจำเป็นในการเลือกสีตัวแทนสองสีสำหรับแต่ละบล็อกอาจนำไปสู่ปัญหาแถบสี ซึ่งการเปลี่ยนผ่านระหว่างสีจะกลายเป็นแบบฉับพลันและไม่เป็นธรรมชาติ
ยิ่งไปกว่านั้น การจัดการความโปร่งใสของรูปแบบ DXT1 ยังเพิ่มความซับซ้อนอีกชั้นหนึ่ง DXT1 รองรับความโปร่งใสของอัลฟา 1 บิต ซึ่งหมายความว่าพิกเซลสามารถโปร่งใสได้เต็มที่หรือทึบแสงได้เต็มที่ แนวทางแบบไบนารีนี้ใช้ในการจัดการความโปร่งใสโดยการเลือกหนึ่งในสีที่สร้างขึ้นเพื่อแสดงความโปร่งใส โดยปกติจะเป็นสีที่สี่หากเลือกสีสองสีแรกให้มีลำดับตัวเลขที่กลับกัน แม้ว่าวิธีนี้จะช่วยให้พื้นผิวมีความโปร่งใสในระดับหนึ่ง แต่ก็ค่อนข้างจำกัดและอาจทำให้เกิดขอบที่หยาบรอบๆ บริเวณที่โปร่งใส ทำให้ไม่เหมาะสำหรับเอฟเฟกต์ความโปร่งใสโดยละเอียด
นักพัฒนาที่ทำงานกับพื้นผิวที่บีบอัดด้วย DXT1 มักจะใช้เทคนิคต่างๆ เพื่อลดข้อจำกัดเหล่านี้ ตัวอย่างเช่น การออกแบบพื้นผิวอย่างระมัดระวังและการใช้การกระจายจุดสามารถช่วยลดการมองเห็นของสิ่งประดิษฐ์จากการบีบอัดและแถบสี นอกจากนี้ เมื่อจัดการกับความโปร่งใส นักพัฒนาอาจเลือกใช้แผนที่พื้นผิวแยกต่างหากสำหรับข้อมูลความโปร่งใส หรือเลือกใช้รูปแบบ DXT อื่นๆ ที่มีการจัดการความโปร่งใสที่ละเอียดอ่อนกว่า เช่น DXT3 หรือ DXT5 สำหรับพื้นผิวที่ความโปร่งใสคุณภาพสูงมีความสำคัญ
การนำ DXT1 มาใช้กันอย่างแพร่หลายและการรวมไว้ใน DirectX API เน้นให้เห็นถึงความสำคัญในด้านกราฟิกแบบเรียลไทม์ ควา มสามารถในการรักษาสมดุลระหว่างคุณภาพและประสิทธิภาพทำให้เป็นสิ่งสำคัญในอุตสาหกรรมเกม ซึ่งการใช้ทรัพยากรอย่างมีประสิทธิภาพมักเป็นสิ่งที่สำคัญ นอกเหนือจากเกม
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