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 XL (JXL) เป็นมาตรฐานการเข้ารหัสภาพรุ่นถัดไปที่มุ่งหมายจะเหนือกว่าความสามารถของรูปแบบที่มีอยู่ เช่น JPEG, PNG และ GIF โดยให้ประสิทธิภาพการบีบอัด คุณภาพ และคุณสมบัติที่ เหนือกว่า เป็นผลมาจากความพยายามร่วมกันของคณะกรรมการ Joint Photographic Experts Group (JPEG) ซึ่งมีบทบาทสำคัญในการพัฒนาการบีบอัดภาพมาตรฐาน JPEG XL ออกแบบมาให้เป็นรูปแบบภาพสากลที่สามารถจัดการกับกรณีการใช้งานที่หลากหลาย ตั้งแต่การถ่ายภาพระดับมืออาชีพไปจนถึงกราฟิกบนเว็บ
หนึ่งในเป้าหมายหลักของ JPEG XL คือการให้การบีบอัดภาพคุณภาพสูงที่สามารถลดขนาดไฟล์ได้อย่างมากโดยไม่ลดทอนคุณภาพของภาพ ซึ่งทำได้โดยใช้เทคนิคการบีบอัดขั้นสูงและกรอบการเข้ารหัสที่ทันสมัย รูปแบบนี้ใช้แนวทางแบบแยกส่วน ซึ่งช่วยให้สามารถรวมการประมวลผลภาพต่างๆ เช่น การแปลงพื้นที่สี การแมปโทนสี และการปรับขนาดแบบตอบสนองได้โดยตรงลงในไปป์ไลน์การบีบอัด
JPEG XL สร้างขึ้นบนพื้นฐานของตัวแปลงสัญญาณภาพสองตัวก่อนหน้า ได้แก่ PIK ของ Google และ FUIF (Free Universal Image Format) ของ Cloudinary ตัวแปลงสัญญาณเหล่านี้ได้นำเสนอนวัตกรรมต่างๆ ในการบีบอัดภาพ ซึ่งได้รับการปรับปรุงและรวมเข้ากับ JPEG XL รูปแบบนี้ได้รับการออกแบบให้ปลอดค่าลิขสิทธิ์ ทำให้เป็นตัวเลือกที่น่าสนใจสำหรับทั้งนักพัฒนาซอฟต์แวร์และผู้สร้างเนื้อหาที่ต้องการโซลูชันที่คุ้มค่าสำหรับการจัดเก็บและเผยแพร่ภาพ
หัวใจสำคัญของประสิทธิภาพการบีบอัดของ JPEG XL คือการใช้เทคนิคการเข้ารหัสเอนโทรปีสมัยใหม่ที่เรียกว่าระบบตัวเลขที่ไม่สมมาตร (ANS) ANS เป็นรูปแบบหนึ่งของการเข้ารหัสเลขคณิตที่ให้อัตราส่วนการบีบอัดที่ใกล้เคียงกับค่าที่เหมาะสมที่สุดโดยการเข้ารหัสการแจกแจงทางสถิติของข้อมูลภาพอย่างมีประสิทธิภาพ ซึ่งช่วยให้ JPEG XL บีบอัดได้ดีกว่าวิธีการแบบดั้งเดิม เช่น การเข้ารหัส Huffman ซึ่งใช้ในรูปแบบ JPEG เดิม
JPEG XL ยังนำเสนอพื้นที่สีใหม่ที่เรียกว่า XYB (eXtra Y, Blue-yellow) ซึ่งออกแบบมาให้สอดคล้องกับการรับรู้ภา พของมนุษย์ได้ดีกว่า พื้นที่สี XYB ช่วยให้บีบอัดได้อย่างมีประสิทธิภาพมากขึ้นโดยให้ความสำคัญกับส่วนประกอบของภาพที่สำคัญต่อดวงตามากกว่า ซึ่งส่งผลให้ได้ภาพที่มีขนาดไฟล์เล็กลงและมีสิ่งประดิษฐ์จากการบีบอัดน้อยลง โดยเฉพาะในพื้นที่ที่มีการเปลี่ยนแปลงของสีที่ละเอียดอ่อน
อีกหนึ่งคุณสมบัติหลักของ JPEG XL คือการรองรับภาพช่วงไดนามิกสูง (HDR) และช่วงสีที่กว้าง (WCG) เมื่อเทคโนโลยีการแสดงผลพัฒนาขึ้น ก็มีความต้องการรูปแบบภาพที่สามารถจัดการกับช่วงความสว่างและสีที่ขยายออกไปซึ่งจอแสดงผลใหม่เหล่านี้สามารถสร้างได้ การรองรับ HDR และ WCG ของ JPEG XL ช่วยให้มั่นใจได้ว่าภาพจะดูสดใสและสมจริงบนหน้าจอล่าสุด โดยไม่จำเป็นต้องใช้ข้อมูลเมตาเพิ่มเติมหรือไฟล์ sidecar
JPEG XL ยังออกแบบมาโดยคำนึงถึงการถอดรหัสแบบก้าวหน้า ซึ่งหมายความว่าสามารถแสดงภาพได้ท ี่คุณภาพต่ำกว่าในขณะที่ยังดาวน์โหลดอยู่ และคุณภาพสามารถปรับปรุงได้อย่างต่อเนื่องเมื่อมีข้อมูลมากขึ้น คุณสมบัตินี้มีประโยชน์อย่างยิ่งสำหรับการท่องเว็บ ซึ่งผู้ใช้จะมีความเร็วอินเทอร์เน็ตที่แตกต่างกันไป ช่วยให้ประสบการณ์การใช้งานดีขึ้นโดยการแสดงตัวอย่างภาพโดยไม่ต้องรอให้ดาวน์โหลดไฟล์ทั้งหมด
ในแง่ของความเข้ากันได้แบบย้อนหลัง JPEG XL มีคุณสมบัติพิเศษที่เรียกว่า 'การบีบอัด JPEG ใหม่' ซึ่งช่วยให้สามารถบีบอัดภาพ JPEG ที่มีอยู่ใหม่เป็นรูปแบบ JPEG XL ได้โดยไม่สูญเสียคุณภาพเพิ่มเติม ภาพที่บีบอัดใหม่ไม่เพียงแต่มีขนาดเล็กลงเท่านั้น แต่ยังคงข้อมูล JPEG ต้นฉบับทั้งหมดไว้ด้วย ซึ่งหมายความว่าสามารถแปลงกลับเป็นรูปแบบ JPEG ต้นฉบับได้หากจำเป็น สิ่งนี้ทำให้ JPEG XL เป็นตัวเลือกที่น่าสนใจสำหรับการเก็บถาวรคอลเลกชันภาพ JPEG ขนาดใหญ่ เนื่อ งจากสามารถลดความต้องการพื้นที่จัดเก็บได้อย่างมากในขณะที่ยังคงความสามารถในการย้อนกลับไปยังไฟล์ต้นฉบับ
JPEG XL ยังตอบสนองความต้องการของภาพที่ตอบสนองได้บนเว็บ ด้วยความสามารถในการจัดเก็บความละเอียดต่างๆ ของภาพภายในไฟล์เดียว นักพัฒนาเว็บสามารถให้บริการขนาดภาพที่เหมาะสมที่สุดตามอุปกรณ์และความละเอียดหน้าจอของผู้ใช้ ซึ่งจะช่วยลดความจำเป็นในการใช้ไฟล์ภาพแยกต่างหากสำหรับความละเอียดที่แตกต่างกัน และทำให้กระบวนการสร้างเว็บไซต์ที่ตอบสนองได้ง่ายขึ้น
สำหรับช่างภาพมืออาชีพและนักออกแบบกราฟิก JPEG XL รองรับการบีบอัดแบบไม่สูญเสียข้อมูล ซึ่งช่วยให้มั่นใจได้ว่าข้อมูลภาพต้นฉบับทุกบิตจะได้รับการเก็บรักษาไว้ สิ่งนี้มีความสำคัญสำหรับแอปพลิเคชันที่ความสมบูรณ์ของภาพมีความสำคัญสูงสุด เช่น การถ่ายภาพทางการแพทย์ การเก็บถาวรแบบดิจิทัล และการแก้ไขภาพระดับมืออาชีพ โหมดไม่สูญเสียข้อมูลของ JPEG XL ยังมีประสิทธิภาพสูง ซึ่งมักจะส่งผลให้ขนาดไฟล์เล็กลงเมื่อเปรียบเทียบกับรูปแบบไม่สูญเสียข้อมูลอื่นๆ เช่น PNG หรือ TIFF
ชุดคุณสมบัติของ JPEG XL ขยายไปถึงการรองรับแอนิเมชัน ซึ่งคล้ายกับรูปแบบ GIF และ WebP แต่มีการบีบอัดและคุณภาพที่ดีกว่ามาก ซึ่งทำให้เป็นตัวแทนที่เหมาะสมสำหรับ GIF บนเว็บ โดยให้แอนิเมชันที่ราบรื่นกว่าด้วยจานสีที่กว้างกว่าและไม่มีข้อจำกัดของ GIF ที่จำกัดไว้ที่ 256 สี
รูปแบบนี้ยังรวมถึงการรองรับข้อมูลเมตาที่แข็งแกร่ง รวมถึงโปรไฟล์ EXIF, XMP และ ICC เพื่อให้แน่ใจว่าข้อมูลสำคัญเกี่ยวกับภาพจะได้รับการเก็บรักษาไว้ในระหว่างการบีบอัด ข้อมูลเมตานี้สามารถรวมรายละเอียดต่างๆ เช่น การตั้งค่ากล้อง ข้อมูลลิขสิทธิ์ และข้อมูลการจัดการสี ซึ่งมีความจำเป็นทั้งสำหรับการใช้งานระดับมืออาชีพและการเก็บรักษาสมบัติทางดิจิทัล
การออกแบบ JPEG XL ยังคำนึงถึงความปลอดภัยและความเป็นส่วนตัว รูปแบบนี้ไม่อนุญาตให้มีการรวมโค้ดที่สามารถเรียกใช้งานได้ ซึ่งจะช่วยลดความเสี่ยงของช่องโหว่ด้านความปลอดภัยที่สามารถใช้ประโยชน์ได้ผ่านภาพ นอกจากนี้ JPEG XL ยังรองรับการลบข้อมูลเมตาที่ละเอียดอ่อน ซึ่งสามารถช่วยปกป้องความเป็นส่วนตัวของผู้ใช้เมื่อแชร์ภาพออนไลน์
JPEG XL ออกแบบมาให้รองรับอนาคตได้ โดยมีรูปแบบคอนเทนเนอร์ที่ยืดหยุ่นซึ่งสามารถขยายได้เพื่อรองรับคุณสมบัติและเทคโนโลยีใหม่ๆ เมื่อมีการพัฒนาขึ้น ซึ่งช่วยให้มั่นใจได้ว่ารูปแบบนี้สามารถปรับให้เข้ากับความต้องการที่เปลี่ยนแปลงไปและยังคงทำหน้าที่เป็นรูปแบบภาพสากลได้ในอีกหลายปีข้างหน้า
ในแง่ของการนำไปใช้ JPEG XL ยังอยู่ในช่วงเริ่มต้น โดยมี การดำเนินการอย่างต่อเนื่องเพื่อรวมการรองรับลงในเว็บเบราว์เซอร์ ระบบปฏิบัติการ และซอฟต์แวร์แก้ไขภาพ เมื่อมีแพลตฟอร์มต่างๆ นำรูปแบบนี้ไปใช้มากขึ้น คาดว่าจะได้รับความนิยมมากขึ้นในฐานะตัวแทนของรูปแบบภาพเก่าๆ โดยนำเสนอการผสมผสานระหว่างประสิทธิภาพ คุณภาพ และคุณสมบัติที่ดียิ่งขึ้น
สรุปแล้ว JPEG XL เป็นความก้าวหน้าที่สำคัญในเทคโนโลยีการบีบอัดภาพ การผสมผสานระหว่างประสิทธิภาพการบีบอัดสูง การรองรับคุณสมบัติการถ่ายภาพสมัยใหม่ และความเข้ากันได้แบบย้อนหลัง ทำให้เป็นตัวเลือกที่แข็งแกร่งที่จะกลายเป็นมาตรฐานใหม่สำหรับการจัดเก็บและส่งภาพ เมื่อรูปแบบนี้ได้รับการนำไปใช้อย่างแพร่หลายมากขึ้น ก็มีศักยภาพที่จะเปลี่ยนแปลงวิธีที่เราสร้าง แ
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