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
รูปแบบภาพ JPEG (Joint Photographic Experts Group) ซึ่งเป็นที่รู้จักกันทั่วไปในชื่อ JPG เป็นวิธีการบีบอัดแบบสูญเสียที่ใช้กันอย่างแพร่หลายสำหรับภาพดิจิทัล โดยเฉพาะอย่างยิ่งสำหรับภาพที่ ถ่ายด้วยกล้องดิจิทัล ระดับการบีบอัดสามารถปรับได้ ซึ่งช่วยให้สามารถแลกเปลี่ยนระหว่างขนาดที่จัดเก็บและคุณภาพของภาพได้ JPEG มักจะบีบอัดได้ 10:1 โดยแทบไม่สูญเสียคุณภาพของภาพ
การบีบอัด JPEG ใช้ในรูปแบบไฟล์ภาพจำนวนมาก JPEG/Exif เป็นรูปแบบภาพที่ใช้กันมากที่สุดโดยกล้องดิจิทัลและอุปกรณ์บันทึกภาพถ่ายอื่นๆ พร้อมกับ JPEG/JFIF ซึ่งเป็นรูปแบบที่ใช้กันมากที่สุดสำหรับการจัดเก็บและส่งภาพถ่ายบน World Wide Web ความแตกต่างของรูปแบบเหล่านี้มักจะไม่แตกต่างกัน และเรียกง่ายๆ ว่า JPEG
รูปแบบ JPEG ประกอบด้วยมาตรฐานต่างๆ มากมาย รวมถึง JPEG/Exif, JPEG/JFIF และ JPEG 2000 ซึ่งเป็นมาตรฐานใหม่กว่าที่ให้ประสิทธิภาพการบีบอัดที่ดีกว่าด้วยความซับซ้อนในการคำนวณที่สูงกว่า มาตรฐาน JPEG มีความซับซ้อน โดยมีส่วนและโปรไฟล์ต่างๆ แต่มาตรฐาน JPEG ที่ใช้กันมากที่สุดคือ JPEG พื้นฐาน ซึ่งเป็นสิ่งที่คนส่วนใหญ่หมายถึงเมื่อพูดถึงภาพ 'JPEG'
อัลกอริทึมการบีบอัด JPEG นั้นเป็นเทคนิคการบีบอัดที่ใช้การแปลงโคไซน์แบบไม่ต่อเนื่อง (DCT) ที่แกนกลาง DCT เป็นการแปลงที่เกี่ยวข้องกับฟูริเยร์ ซึ่งคล้ายกับการแปลงฟูริเยร์แบบไม่ต่อเนื่อง (DFT) แต่ใช้เฉพาะฟังก์ชันโคไซน์ DCT ใช้เพราะมีคุณสมบัติในการรวมสัญญาณส่วนใหญ่ในบริเวณความถี่ต่ำของสเปกตรัม ซึ่งสัมพันธ์กับคุณสมบัติของภาพธรรมชาติได้ดี
กระบวนการบีบอัด JPEG เกี่ยวข้องกับหลายขั้นตอน ในขั้นต้น ภาพจะถูกแปลงจากพื้นที่สีเดิม (โดยปกติคือ RGB) ไปเป็นพื้นที่สีอื่นที่เรียกว่า YCbCr พื้นที่สี YCbCr แยกภาพออกเป็นส่วนประกอบความสว่าง (Y) ซึ่งแสดงระดับความสว่าง และส่วนประกอบความอิ่มตัวของสีสองส่วน (Cb และ Cr) ซึ่งแสดงข้อมูลสี การแยกนี้เป็นประโยชน์เพราะดวงตาของมนุษย์มีความไวต่อการเปลี่ยนแปลงความสว่างมากกว่าสี ซ ึ่งช่วยให้สามารถบีบอัดส่วนประกอบความอิ่มตัวของสีได้มากขึ้นโดยไม่ส่งผลกระทบต่อคุณภาพของภาพที่รับรู้ได้อย่างมีนัยสำคัญ
หลังจากการแปลงพื้นที่สีแล้ว ภาพจะถูกแบ่งออกเป็นบล็อก โดยปกติจะมีขนาด 8x8 พิกเซล จากนั้นแต่ละบล็อกจะถูกประมวลแยกกัน สำหรับแต่ละบล็อก จะใช้ DCT ซึ่งแปลงข้อมูลโดเมนเชิงพื้นที่เป็นข้อมูลโดเมนความถี่ ขั้นตอนนี้มีความสำคัญเนื่องจากทำให้ข้อมูลภาพเหมาะสำหรับการบีบอัดมากขึ้น เนื่องจากภาพธรรมชาติมีแนวโน้มที่จะมีส่วนประกอบความถี่ต่ำที่มีนัยสำคัญมากกว่าส่วนประกอบความถี่สูง
เมื่อใช้ DCT แล้ว ค่าสัมประสิทธิ์ที่ได้จะถูกทำให้เป็นปริมาณ การทำให้เป็นปริมาณคือกระบวนการแมปชุดค่าอินพุตขนาดใหญ่ไปยังชุดที่เล็กลง ซึ่งจะช่วยลดจำนวนบิตที่จำเป็นในการจัดเก็บได้อย่างมีประสิทธิภาพ นี่คือแหล่งที่มาหลักขอ งการสูญเสียในการบีบอัด JPEG ขั้นตอนการทำให้เป็นปริมาณจะถูกควบคุมโดยตารางการทำให้เป็นปริมาณ ซึ่งกำหนดว่าจะใช้การบีบอัดกับค่าสัมประสิทธิ์ DCT แต่ละตัวมากน้อยเพียงใด โดยการปรับตารางการทำให้เป็นปริมาณ ผู้ใช้สามารถแลกเปลี่ยนระหว่างคุณภาพของภาพและขนาดไฟล์ได้
หลังจากการทำให้เป็นปริมาณ ค่าสัมประสิทธิ์จะถูกทำให้เป็นเส้นตรงโดยการสแกนแบบซิกแซก ซึ่งจะจัดเรียงตามความถี่ที่เพิ่มขึ้น ขั้นตอนนี้มีความสำคัญเพราะจะจัดกลุ่มค่าสัมประสิทธิ์ความถี่ต่ำที่มีแนวโน้มว่าจะมีนัยสำคัญ และค่าสัมประสิทธิ์ความถี่สูงที่มีแนวโน้มว่าจะเป็นศูนย์หรือใกล้ศูนย์หลังจากการทำให้เป็นปริมาณ การจัดลำดับนี้ช่วยให้ขั้นตอนถัดไปง่ายขึ้น ซึ่งก็คือการเข้ารหัสเอนโทรปี
การเข้ารหัสเอนโทรปีเป็นวิธีการบีบอัดแบบไม่สูญเสียที่ใช้กับค่าสัมประส ิทธิ์ DCT ที่ทำให้เป็นปริมาณ รูปแบบการเข้ารหัสเอนโทรปีที่ใช้กันมากที่สุดใน JPEG คือการเข้ารหัส Huffman แม้ว่าการเข้ารหัสเลขคณิตจะได้รับการสนับสนุนโดยมาตรฐาน การเข้ารหัส Huffman ทำงานโดยกำหนดรหัสที่สั้นกว่าให้กับองค์ประกอบที่ใช้บ่อยกว่า และรหัสที่ยาวกว่าให้กับองค์ประกอบที่ใช้ไม่บ่อยนัก เนื่องจากภาพธรรมชาติมีแนวโน้มที่จะมีค่าสัมประสิทธิ์เป็นศูนย์หรือใกล้ศูนย์จำนวนมากหลังจากการทำให้เป็นปริมาณ โดยเฉพาะในบริเวณความถี่สูง การเข้ารหัส Huffman จึงสามารถลดขนาดของข้อมูลที่บีบอัดได้อย่างมาก
ขั้นตอนสุดท้ายในกระบวนการบีบอัด JPEG คือการจัดเก็บข้อมูลที่บีบอัดในรูปแบบไฟล์ รูปแบบที่ใช้กันมากที่สุดคือ JPEG File Interchange Format (JFIF) ซึ่งกำหนดวิธีแสดงข้อมูลที่บีบอัดและเมตาดาต้าที่เกี่ยวข้อง เช่น ตารางการทำให้เป็นปริมาณและตารางรหัส Huffman ในไฟล์ที่สามา รถถอดรหัสได้โดยซอฟต์แวร์ที่หลากหลาย อีกรูปแบบหนึ่งที่ใช้กันทั่วไปคือ Exchangeable image file format (Exif) ซึ่งใช้โดยกล้องดิจิทัลและมีเมตาดาต้า เช่น การตั้งค่ากล้องและข้อมูลฉาก
ไฟล์ JPEG ยังมีมาร์กเกอร์ ซึ่งเป็นลำดับรหัสที่กำหนดพารามิเตอร์หรือการดำเนินการบางอย่างในไฟล์ มาร์กเกอร์เหล่านี้อาจบ่งชี้จุดเริ่มต้นของภาพ จุดสิ้นสุดของภาพ กำหนดตารางการทำให้เป็นปริมาณ ระบุตารางรหัส Huffman และอื่นๆ มาร์กเกอร์มีความจำเป็นสำหรับการถอดรหัสภาพ JPEG อย่างถูกต้อง เนื่องจากให้ข้อมูลที่จำเป็นในการสร้างภาพใหม่จากข้อมูลที่บีบอัด
หนึ่งในคุณสมบัติหลักของ JPEG คือการรองรับการเข้ารหัสแบบก้าวหน้า ใน JPEG แบบก้าวหน้า ภาพจะถูกเข้ารหัสในหลายรอบ โดยแต่ละรอบจะปรับปรุงคุณภาพของภาพ สิ่งนี้ช่วยให้สามารถแสดงภาพที่มีคุณภาพต่ำได้ในขณะที่ไฟล์ยังคงดาวน์โหลดอยู่ ซึ่งอาจเป็นประโยชน์อย่างยิ่งสำหรับภาพบนเว็บ ไฟล์ JPEG แบบก้าวหน้าโดยทั่วไปจะมีขนาดใหญ่กว่าไฟล์ JPEG พื้นฐาน แต่ความแตกต่างในคุณภาพระหว่างการโหลดสามารถปรับปรุงประสบการณ์ของผู้ใช้ได้
แม้จะมีการใช้งานอย่างแพร่หลาย แต่ JPEG ก็มีข้อจำกัดบางประการ ลักษณะการสูญเสียของการบีบอัดอาจทำให้เกิดสิ่งประดิษฐ์ เช่น การบล็อก ซึ่งภาพอาจแสดงสี่เหลี่ยมที่มองเห็นได้ และ 'การสั่น' ซึ่งขอบอาจมาพร้อมกับการสั่นที่ไม่พึงประสงค์ สิ่งประดิษฐ์เหล่านี้จะสังเกตเห็นได้ชัดเจนยิ่งขึ้นที่ระดับการบีบอัดที่สูงขึ้น นอกจากนี้ JPEG ยังไม่เหมาะสำหรับภาพที่มีขอบคมหรือข้อความที่มีคอนทราสต์สูง เนื่องจากอัลกอริทึมการบีบอัดสามารถทำให้ขอบเบลอและลดความสามารถในการอ่านได้
เพื่อแก้ไขข้อจำกัดบางประการของมาตรฐาน JPEG เดิม จึงได้มีการพัฒนา JPEG 2000 JPEG 2000 มีการปรับป รุงหลายประการเหนือกว่า JPEG พื้นฐาน รวมถึงประสิทธิภาพการบีบอัดที่ดีกว่า การรองรับการบีบอัดแบบไม่สูญเสีย และความสามารถในการจัดการกับภาพประเภทต่างๆ ได้อย่างมีประสิทธิภาพมากขึ้น อย่างไรก็ตาม JPEG 2000 ยังไม่ได้รับการนำไปใช้อย่างแพร่หลายเมื่อเทียบกับมาตรฐาน JPEG เดิม ซึ่งส่วนใหญ่เป็นเพราะความซับซ้อนในการคำนวณที่เพิ่มขึ้นและการขาดการสนับสนุนในซอฟต์แวร์และเว็บเบราว์เซอร์บางตัว
สรุปแล้ว รูปแบบภาพ JPEG เป็นวิธีการที่ซับซ้อนแต่
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