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
รูปแบบ JPEG 2000 Multi-layer (JPM) เป็นส่วนขยายของมาตรฐาน JPEG 2000 ซึ่งเป็นมาตรฐานการบีบอัดภาพและระบบการเข้ารหัส สร้างขึ้นโดยคณะกรรมการ Joint Photographic Experts Group ในปี 2000 โดยมีจุดประสงค์เพื่อแทนที่มาตรฐาน JPEG เดิม JPEG 2000 เป็นที่รู้จักในเรื่องประสิทธิภาพการบีบอัดสูงและความสามารถในการจัดการกับภาพประเภทต่างๆ ได้หลากหลาย รวมถึงภาพสีเทา สี และภาพหลายส่วน รูปแบบ JPM ขยายขีดความสามารถของ JPEG 2000 โดยเฉพาะเพื่อรองรับเอกสารประกอบ ซึ่งอาจประกอบด้วยข้อความ กราฟิก และรูปภาพ
JPM ถูกกำหนดไว้ในส่วนที่ 6 ของ JPEG 2000 Suite (ISO/IEC 15444-6) และออกแบบมาเพื่อรวมภาพหลายภาพและข้อมูลที่เกี่ยวข้องไว้ในไฟล์เดียว ซึ่งทำให้มีประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันต่างๆ เช่น การถ่ายภาพเอกสาร การถ่ายภาพทางการแพทย์ และการถ่ายภาพทางเทคนิค ซึ่งจำเป็นต้องจัดเก็บเนื้อหาประเภทต่างๆ ไว้ด้วยกัน รูปแบบ JPM ช่วยให้จัดเก็บหน้าต่างๆ ภายในเอกสารได้อย่างมีประสิทธิภาพ โดยแต่ละหน้าสามารถมีพื้นที่ภาพหลายพื้นที่ที่มีลักษณะแตกต่างกัน รวมถึงข้อมูลที่ไม่ใช่ภาพ เช่น คำอธิบายประกอบหรือข้อมูลเมตา
หนึ่งในคุณสมบัติหลักของ JPM คือการใช้ JPEG 2000 code stream (JPX) ซึ่งเป็นเวอร์ชันที่ขยายจาก JPEG 2000 code stream (JP2) พื้นฐาน JPX รองรับช่วงของพื้นที่สีที่กว้างกว่า ข้อมูลเมตาที่ซับซ้อนกว่า และความลึกของบิตที่สูงกว่า ในไฟล์ JPM แต่ละภาพหรือ 'เลเยอร์' จะถูกจัดเก็บเป็น JPX code stream แยกต่างหาก ซึ่งช่วยให้แต่ละเลเยอร์ถูกบีบอัดตามลักษณะเฉพาะของตนเอง ซึ่งอาจนำไปสู่การบีบอัดที่มีประสิทธิภาพมากขึ้นและผลลัพธ์ที่มีคุณภาพสูงขึ้น โดยเฉพาะอย่างยิ่งสำหรับเอกสารประกอบที่มีประเภทเนื้อหาที่หลากหลาย
โครงสร้างของไฟล์ JPM เป็นแบบลำดับชั้นและประกอบด้วยกล่องชุดหนึ่ง กล่องเป็นหน่วยที่แยกตัวได้ซึ่งรวมถึงส่วนหัวและข้อมูล ส่วนหัวระบุชนิดและความยาวของกล่อง ในขณะที่ข้อมูลมีเนื้อหาจริง กล่องระดับบนสุดในไฟล์ JPM คือกล่องลายเซ็น ซึ่งระบุไฟล์ว่าเป็นไฟล์ตระกูล JPEG 2000 หลังจากกล่องลายเซ็นแล้ว จะมีกล่องชนิดไฟล์ กล่องส่วนหัว และกล่องเนื้อหา เป็นต้น กล่องส่วนหัวมีข้อมูลเกี่ยวกับไฟล์ เช่น จำนวนหน้าและแอตทริบิวต์ของแต่ละหน้า ในขณะที่กล่องเนื้อหาประกอบด้วยข้อมูลภาพและข้อมูลที่ไม่ใช่ภาพที่เกี่ยวข้อง
ในแง่ของการบีบอัด ไฟล์ JPM สามารถใช้ทั้งวิธีการบีบอัดแบบไม่สูญเสียและแบบสูญเสีย การบีบอัดแบบไม่สูญเสียช่วยให้มั่นใจได้ว่าข้อมูลภาพต้นฉบับสามารถสร้างขึ้นใหม่ได้อย่างสมบูรณ์แบบจากข้อมูลที่บีบอัด ซึ่งมีความสำคัญอย่างยิ่งสำหรับแอปพลิเคชันที่ความสมบูรณ์ของภาพมีความสำคัญสูงสุด เช่น การถ่ายภาพทางการแพทย์ ในทางกลับกัน การบีบอัดแบบสูญเสียช่วยให้มีขนาดไฟล์เล็กลงโดยการละทิ้งข้อมูลภาพบางส่วน ซึ่งอาจเป็นที่ยอมรับได้ในสถานการณ์ที่ไม่ต้องการค วามเที่ยงตรงที่สมบูรณ์แบบ
JPM ยังรองรับแนวคิดของ 'การถอดรหัสแบบก้าวหน้า' ซึ่งหมายความว่าสามารถแสดงภาพเวอร์ชันความละเอียดต่ำได้ในขณะที่ยังดาวน์โหลดหรือประมวลผลภาพความละเอียดเต็มอยู่ ซึ่งมีประโยชน์อย่างยิ่งสำหรับภาพขนาดใหญ่หรือการเชื่อมต่อเครือข่ายที่ช้า เนื่องจากช่วยให้ผู้ใช้สามารถดูตัวอย่างได้อย่างรวดเร็วโดยไม่ต้องรอให้ไฟล์ทั้งหมดพร้อมใช้งาน
อีกแง่มุมที่สำคัญของ JPM คือการรองรับข้อมูลเมตา ข้อมูลเมตาในไฟล์ JPM อาจรวมถึงข้อมูลเกี่ยวกับเอกสาร เช่น ผู้แต่ง ชื่อเรื่อง และคำหลัก รวมถึงข้อมูลเกี่ยวกับแต่ละภาพ เช่น วันที่ถ่าย ภาพการตั้งค่ากล้อง และตำแหน่งทางภูมิศาสตร์ ข้อมูลเมตานี้สามารถจัดเก็บในรูปแบบ XML ทำให้เข้าถึงและแก้ไขได้ง่าย นอกจากนี้ JPM ยังรองรับการรวมโปรไฟล์ ICC ซึ่งกำหนดพื้นที่สีของภาพ เพื่อให้ แน่ใจว่าการแสดงสีที่ถูกต้องบนอุปกรณ์ต่างๆ
ไฟล์ JPM ยังสามารถจัดเก็บภาพหลายเวอร์ชันได้ โดยแต่ละเวอร์ชันมีความละเอียดหรือการตั้งค่าคุณภาพที่แตกต่างกัน คุณสมบัตินี้เรียกว่า 'การแบ่งเลเยอร์' ช่วยให้จัดเก็บและส่งข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น เนื่องจากสามารถเลือกเวอร์ชันที่เหมาะสมของภาพได้ตามความต้องการเฉพาะของแอปพลิเคชันหรือแบนด์วิดท์ที่มี
ความปลอดภัยเป็นอีกด้านหนึ่งที่ JPM มีคุณสมบัติที่แข็งแกร่ง รูปแบบนี้รองรับการรวมลายเซ็นดิจิทัลและการเข้ารหัส ซึ่งสามารถใช้เพื่อตรวจสอบความถูกต้องของเอกสารและปกป้องข้อมูลที่ละเอียดอ่อน ซึ่งมีความสำคัญอย่างยิ่งในสาขาต่างๆ เช่น การจัดการเอกสารทางกฎหมายและการแพทย์ ซึ่งความสมบูรณ์และความลับของเอกสารมีความสำคัญสูงสุด
แม้จะมีข้อดีมากมาย แต่รูปแบบ JPM ก็ยังไ ม่ได้รับการยอมรับอย่างกว้างขวาง โดยเฉพาะในตลาดผู้บริโภค สาเหตุหนึ่งเป็นเพราะความซับซ้อนของรูปแบบและทรัพยากรการคำนวณที่จำเป็นในการประมวลผลไฟล์ JPM นอกจากนี้ มาตรฐานตระกูล JPEG 2000 รวมถึง JPM ยังมีปัญหาเรื่องการออกใบอนุญาตสิทธิบัตร ซึ่งเป็นอุปสรรคต่อการนำไปใช้เมื่อเปรียบเทียบกับมาตรฐาน JPEG เดิม ซึ่งโดยทั่วไปจะไม่มีสิทธิบัตร
สำหรับนักพัฒนาซอฟต์แวร์และวิศวกรที่ทำงานกับไฟล์ JPM มีไลบรารีและเครื่องมือต่างๆ ที่รองรับรูปแบบนี้ ได้แก่ ไลบรารี OpenJPEG ซึ่งเป็นตัวแปลงสัญญาณ JPEG 2000 แบบโอเพนซอร์ส และผลิตภัณฑ์เชิงพาณิชย์จากบริษัทซอฟต์แวร์ด้านการถ่ายภาพต่างๆ เมื่อทำงานกับไฟล์ JPM นักพัฒนาต้องมีความคุ้นเคยกับไวยากรณ์ของ JPEG 2000 code stream รวมถึงข้อกำหนดเฉพาะสำหรับการจัดการเอกสารประกอบและข้อมูลเมตา
สรุปแล้ว รูปแบบภาพ JPM เป็นส่วนขยายที่มีประส ิทธิภาพของมาตรฐาน JPEG 2000 ซึ่งมีคุณสมบัติหลากหลายที่เหมาะสำหรับการจัดเก็บและจัดการเอกสารประกอบ การรองรับเลเยอร์ภาพหลายเลเยอร์ การถอดรหัสแบบก้าวหน้า ข้อมูลเมตา การแบ่งเลเยอร์ และคุณสมบัติด้านความปลอดภัย ทำให้เป็นตัวเลือกที่เหมาะสำหรับแอปพลิเคชันระดับมืออาชีพและทางเทคนิคที่คุณภาพของภาพและความสมบูรณ์ของเอกสารมีความสำคัญ แม้ว่าอาจไม่ได้ใช้กันอย่างแพร่หลายเหมือนรูปแบบภาพอื่นๆ แต่ความสามารถเฉพาะทางก็ทำให้ยังคงเป็นเครื่องมือสำคัญในสาขาต่างๆ เช่น การถ่ายภาพเอกสารและการถ่ายภาพทางการแพทย์
ตัวแปลงนี้ทำงานอย่างสมบูรณ์ในเบราว์เซอร์ของคุณ เมื่อคุณเลือกไฟล์ ไฟล์จะถูกอ่านเข้าไปในหน่วยความจำและแปลงเป ็นรูปแบบที่เลือก จากนั้นคุณสามารถดาวน์โหลดไฟล์ที่แปลงแล้วได้
การแปลงจะเริ่มขึ้นทันที และไฟล์ส่วนใหญ่จะถูกแปลงภายในเวลาไม่ถึงหนึ่งวินาที ไฟล์ขนาดใหญ่อาจใช้เวลานานกว่านั้น
ไฟล์ของคุณจะไม่ถูกอัปโหลดไปยังเซิร์ฟเวอร์ของเรา ไฟล์เหล่านั้นจะถูกแปลงในเบราว์เซอร์ของคุณ จากนั้นไฟล์ที่แปลงแล้วจะถูกดาวน์โหลด เราไม่เคยเห็นไฟล์ของคุณ
เรารองรับการแปลงระหว่างรูปแบบภาพทั้งหมด รวมถึง JPEG, PNG, GIF, WebP, SVG, BMP, TIFF และอื่นๆ
ตัวแปลงนี้ฟรีโดยสมบูรณ์ และจะฟรีตลอดไป เนื่องจากทำงานในเบราว์เซอร์ของคุณ เราจึงไม่ต ้องจ่ายค่าเซิร์ฟเวอร์ ดังนั้นเราจึงไม่เรียกเก็บเงินจากคุณ
ใช่! คุณสามารถแปลงไฟล์ได้มากเท่าที่คุณต้องการในคราวเดียว เพียงเลือกหลายไฟล์เมื่อคุณเพิ่ม