Özünde, dijital bir görüntü sadece büyük bir sayı tablosudur. Matematiksel olarak, bunu ayrık koordinatları (piksel konumlarını) bir veya daha fazla yoğunluk değerine (kanallara) eşleyen bir fonksiyon gibi düşünebilirsiniz; bu bakış açısı Basics of Image Processing ve klasik dijital görüntü işleme kitaplarında anlatılır.
Gri tonlu bir görüntüde her (m, n) konumu parlaklığı tanımlayan tek bir sayı tutar; tipik bir renkli görüntüde ise her piksel genellikle kırmızı, yeşil ve mavi olmak üzere üç değer saklar. Yaygın bir yapılandırma, kanal başına 8 bittir; bu da örnekleme ve niceleme tartışmalarında açıklandığı gibi 16 milyondan fazla olası renge karşılık gelir.
Bu sayı dizilerini JPEG, PNG, AVIF ve diğer dosya biçimleri olarak kaydederiz, ağlar üzerinden iletiriz ve ekranlarda gösteririz. Dijital görüntü işleme alanı; bu dizileri elde etmeyi, dönüştürüp analiz etmeyi ve onları faydalı bir şeye dönüştürmeyi konu alır—bunun ister bir fotoğraf, ister tıbbi bir tarama, ister uydu haritası, ister bir makine öğrenimi modelinin girdisi olması fark etmez; Gonzalez & Woods'un ders kitabında da bu şekilde özetlenir.
Bir şey piksele dönüşmeden önce, bir optik sistem ve bir görüntü sensörü devreye girer. Modern kameralar genellikle ışığa tepki veren milyonlarca küçük fotodiyottan oluşan CCD veya CMOS sensörleri kullanır. görüntü sensörü literatüründe ve Bayer desenli sensörlere ilişkin teknik makalelerde yer alan genel bakışlar, bu aygıtların optik görüntüyü nasıl örneklediğini açıklar.
Çoğu tüketici kamerası ve telefonu Bayer filtre mozaiği kullanır: tek tek algılayıcı elemanların üzerine kırmızı, yeşil ve mavi filtreler yerleştiren ve genellikle insan görsel duyarlılığına kabaca uymak için kırmızı ve maviye göre iki kat daha fazla yeşil filtre içeren bir renk filtre dizisi. Klasik desen, Bayer filtresi makalesinde ve ilgili mühendislik referanslarında belgelenmiştir. Bir demosaikleme algoritması daha sonra bu değerleri enterpole ederek her piksel için tam RGB değerlerini yeniden oluşturur. Bu algoritmanın kalitesi, demosaikleme kalitesine dair analizlerde vurgulandığı gibi son görüntüdeki keskinliği, gürültüyü ve aliasing artifaktlarını güçlü biçimde etkiler.
Sayısallaştırmanın iki temel adımı vardır: örnekleme ve niceleme. Örnekleme, sahneyi nerede ölçeceğinizi—pikselleri uzayda ne kadar sık yerleştireceğinizi— seçer. Bu sizin uzamsal çözünürlüğünüzdür; örneğin 4000×3000 piksel gibi. Niceleme ise yoğunluk veya rengi ne kadar ince temsil edeceğinizi—her piksel değerinin kaç farklı düzey alabileceğini—belirler; örneğin 8 bitlik görüntülerde kanal başına 256 seviye. Her iki kavram da görüntü örnekleme ve niceleme rehberlerinde ve sürekli görüntüleri tamsayı matrislerine dönüştürmeye dair öğreticilerde açıkça ele alınır.
Uzamsal örnekleme ve yoğunluk nicemlemesi birlikte, sürekli bir sahneyi tamsayılardan oluşan 2B bir matrise dönüştürür ve bu da dijital görüntü işlemenin temelini oluşturur. Tipik renkli fotoğraflarda, 24 bit RGB çoğu sahnede kademelenmeyi (banding) en aza indirecek kadar çok seviye sunar; ancak bilimsel ve HDR iş akışları, renk derinliği tartışmalarında ve PNG spesifikasyonunun 1–16 bit örnek derinlikleri açıklamalarında belirtildiği gibi daha fazla pay bırakmak için genellikle kanal başına 10, 12 veya 16 bit kullanır.
Nyquist–Shannon örnekleme teoremi, bir sinyali kusursuz biçimde yeniden oluşturmak için, sinyalin en yüksek frekansının en az iki katı hızda örnekleme yapmanız gerektiğini söyler; aksi halde yüksek frekanslı ayrıntılar daha düşük frekanslara katlanır (aliasing) ve bozulmalara yol açar. Bu ilke Nyquist–Shannon teoremi maddesinde ve GeeksforGeeks'in Nyquist özeti gibi öğreticilerde anlatıldığı üzere doğrudan dijital görüntülemeye uygulanır.
Görüntülerde yetersiz uzamsal örnekleme aliasing olarak ortaya çıkar—ince kumaşlarda veya tuğla duvarlarda moiré desenleri, yakınlaştırdığınızda merdiven basamağı gibi görünen tırtıklı kenarlar ve benzeri artifaktlar. Örnekler ve açıklamalar bilgisayarlı görü kitaplarındaki örnekleme ve aliasing bölümlerinde ve ölçüm temellerine dair kaynaklarda yer alır.
Kamera sistemleri bunu optik alçak geçiren filtrelerle, daha yüksek çözünürlüklü sensörlerle ve sonradan işleme adımlarıyla telafi etmeye çalışır. Kamera sistemlerinde aliasing ve moiré kontrolü, Nyquist kaynaklarının görüntüleme bölümlerinde ve bilgisayarlı görüde örnekleme notlarında ayrıntılı şekilde tartışılır.
Karşılaştığınız fotoğrafların çoğu birer raster görüntüdür: her pikselin bir renk sakladığı sabit piksel ızgaraları. Raster grafikler, Adobe'nin raster–vektör karşılaştırmasında ve bilgisayar grafiği öğreticilerinde açıklandığı gibi fotoğraflar ve resimler gibi zengin, sürekli tonlu ayrıntıları yakalamada mükemmeldir. Ancak kalite çözünürlüğe bağlıdır—çok fazla yakınlaştırırsanız pikselleri görmeye başlarsınız.
Vektör grafikler farklı çalışır. Şekilleri—nokta, çizgi, eğri ve dolgu gibi—matematiksel olarak tanımlar ve genellikle SVG, EPS veya PDF gibi biçimlerde saklar. MDN'nin SVG rehberi ve W3C'nin SVG özeti SVG'nin şekilleri, metni ve dönüşümleri temsil etmek için XML kullandığını açıklar. Tarayıcı bu şekilleri istenen boyutta yeniden hesapladığı için vektör grafikler çözünürlükten bağımsızdır: bir logo, raster–vektör karşılaştırmalarında ve modern SVG rehberlerinde vurgulandığı gibi hem kartvizitte hem de bilboardda aynı derecede net görünür.
Uygulamada, raster biçimler (JPEG, PNG, TIFF, GIF, AVIF, WebP ve diğerleri) fotoğrafçılık, taranmış belgeler ve karmaşık görüntülerde baskınken, SVG ve PDF gibi vektör biçimleri logolar, ikonlar, diyagramlar ve metin ağırlıklı grafikler için tercih edilir. görüntü dosya biçimi açıklamaları ve modern görüntü formatı rehberleri gibi karşılaştırma yazıları bu rollerin pratikte nasıl dağıldığını gösterir.
Bir renk modeli, renkleri temsil etmenin matematiksel bir yoludur—RGB, CMYK, HSV, YCbCr ve benzerleri gibi. Renk modellerine giriş ve RGB, CMYK, HSV ve YIQ karşılaştırmaları bu modellerin donanımda ve uygulamalarda nasıl kullanıldığını açıklar. Bir renk uzayı ise bir modeli belirli bir ana renk üçgenine ve beyaz noktaya (örneğin sRGB veya Adobe RGB) ve bir transfer fonksiyonuna bağlar.
RGB ekranlar ve çoğu tüketici görüntüsü için baskınken,CMYK baskı için kullanılır. YCbCr bir luma kanalını iki kroma kanalından ayırır ve dijital video ile JPEG sıkıştırmasında yaygın olarak kullanılır; bu durum YCbCr maddesinde ve JPEG sıkıştırması açıklamalarında anlatılır.
Çoğu görüntü kesin anlamda doğrusal ışık uzayında saklanmaz. Bunun yerine daha çok kod değeri, gözümüzün daha hassas olduğu koyu tonlara ayrılan, daha azı ise parlak tonlara ayrılan gama kodlu bir uzay (sRGB gibi) kullanılır. Bu, renk uzayı öğreticilerinde ve luma ve gama düzeltilmiş RGB'ye ilişkin teknik notlarda tarif edilen renk işleme zincirinin bir parçasıdır.
Asıl JPEG standardı (JPEG 1, ISO/IEC 10918-1 / ITU-T T.81) 1990'ların başından kalmadır ve hâlâ webde ve tüketici kameralarında en yaygın kullanılan fotoğrafik biçimdir. Standart, JPEG komitesinin genel bakışında ve ITU-T T.81 tavsiyesinde açıklanmaktadır.
Temel JPEG tipik olarak:
Ayrıntılı açıklamalar Stanford'un JPEG sıkıştırma notlarında, JPEG standardına ilişkin öğreticilerde ve dönüşüm kodlaması ile niceleme üzerine ders notlarında bulunabilir. JPEG'in kayıplı olmasının nedeni nicemleme adımıdır ve düşük bit hızlarında bloklaşma ve çınlama gibi artifaktların başlıca kaynağı da budur.
PNG (Portable Network Graphics) 1990'ların ortasında, GIF'te kullanılan LZW sıkıştırmasının patentlenmesi nedeniyle ortaya çıkan telif hakkı tartışmalarının ardından, GIF'in telifsiz bir ikamesi olarak oluşturuldu. Biçim, W3C PNG spesifikasyonunda tanımlanır ve GIF telifleriyle ilgili tarihsel anlatılarda bağlamlandırılır.
PNG gri tonlu, indeksli renkli ve gerçek renkli görüntüleri destekler; isteğe bağlı alfa kanalıyla saydamlık ve kanal başına 1 ila 16 bit arasında bit derinlikleri sunar. PNG sıkıştırma rehberlerinde ve PNG sıkıştırma optimizasyon yazılarında açıklandığı gibi, LZ77 ve Huffman kodlamasını birleştiren kayıpsız DEFLATE sıkıştırmasını kullanır. Bu, PNG'yi keskin kenarlı grafikler, logolar, ekran görüntüleri ve metin ağırlıklı görüntüler için ideal hâle getirir.
PNG spesifikasyonuna yapılan son bir güncelleme, 22 yıl sonra gelen ilk büyük PNG güncellemesine dair haberlerde belirtildiği gibi HDR, animasyon (APNG) ve gömülü Exif üst verisi desteği ekler. Bu, PNG'nin kayıpsız bir biçim olarak gücünü korurken daha yeni formatlarla rekabet edebilmesini sağlar.
GIF (Graphics Interchange Format) 1987'de tanıtılmış bir bitmap biçimidir. Her kare, GIF biçimi açıklamalarında ve GIF görüntü verisinin teknik dökümlerinde açıklandığı gibi LZW sıkıştırmasıyla kodlanmış en fazla 256 renkten oluşan bir palet kullanır. GIF'in öldürücü özelliği, isteğe bağlı saydamlıkla basit kare tabanlı animasyon desteğidir; bu da onu çevrimiçi meme ve reaksiyon görselleri için hâlâ vazgeçilmez kılar.
Kare başına 256 renk sınırı, modern kareler arası sıkıştırmanın bulunmaması ve karmaşık sahneler için büyük dosya boyutları, GIF'i video benzeri içerikler için zayıf bir seçenek hâline getirir. GIF dosya boyutunu azaltmaya yönelik öğreticiler ve GIF sıkıştırma araçları gibi optimizasyon rehberleri kırpma, kare sayısını azaltma ve renk sayısını düşürme gibi yöntemlerle durumun iyileştirilebileceğini gösterse de yeni formatlar veya video kodekleri genellikle daha verimlidir.
TIFF (Tagged Image File Format), birden fazla görüntü, üst veri ve çeşitli sıkıştırma şemalarını (sıkıştırmasız, LZW, PackBits, JPEG ve daha fazlası) depolayabilen esnek, etiket tabanlı bir kap biçimidir. TIFF maddesinde, dijital varlık yönetimi odaklı TIFF rehberlerinde ve Kongre Kütüphanesi'nin TIFF_UNC profili gibi resmi biçim tanımlarında açıklanır.
TIFF, yüksek bit derinlikli, minimum düzeyde işlenmiş ve zengin üst veriye sahip görüntüleri, çok az veya hiç sıkıştırma artifaktı olmadan saklayabildiği için yayıncılıkta, profesyonel fotoğrafçılıkta ve kültürel mirasın sayısallaştırılmasında yaygın olarak kullanılır. Kongre Kütüphanesi'nin hareketsiz görüntülere ilişkin Tavsiye Edilen Formatlar Bildirimi ve federal sayısallaştırma format karşılaştırmaları gibi koruma rehberleri TIFF'i sık sık tercih edilen biçimler arasında sayar.
Son on yılda, özellikle web ve mobil dağıtım için daha az bit ile daha fazla kalite elde etmeye çalışan yeni bir görüntü formatı nesli ortaya çıktı. kapsamlı görüntü formatı karşılaştırmaları ve WebP–AVIF–JPEG karşılaştırma testleri gibi yazılar, bu formatların nasıl davrandığına dair somut veriler sunar.
WebP hem kayıplı hem kayıpsız sıkıştırmayı, ayrıca alfa kanalı ve animasyonu destekler. Birçok fotoğraf için kayıplı WebP, algılanan kalite benzer kalırken JPEG'ten yaklaşık %25–30 daha küçük olabilir. AVIF ise AV1 video kodeğinin kare içi araçlarını kullanarak daha da yüksek sıkıştırma verimliliği sağlar; gerçek dünya testleri çoğu zaman JPEG'e kıyasla %40–50 boyut azaltımı gösterir. Ayrıntılı karşılaştırmalar, 2024–2025 format rehberlerinde, AVIF–WebP–JPEG XL analizlerinde ve istatistiksel format karşılaştırmalarında yer alır.
HEIF/HEIC, HEVC kodlamasını kullanarak görüntü paketleyen bir biçimdir ve bazı mobil ekosistemlerde yaygındır; JPEG XL ise var olan JPEG'leri kayıpsız yeniden sıkıştırma gibi özelliklerle verimli sıkıştırmayı birleştirmeyi hedefler. yeni nesil formatlara genel bakışlar ve performans odaklı format rehberleri bu formatların modern web performans stratejilerindeki yerini tartışır.
Avantajlarına rağmen, benimsenmeleri tarayıcı ve işletim sistemi desteği, araç zinciri ve uzun vadeli koruma kaygıları tarafından sınırlanır. Kurumlar, Tavsiye Edilen Format Bildirimleri ve hareketsiz görüntü biçim tercihleri dokümanlarında hâlâ TIFF, PNG ve JPEG gibi daha eski, iyi belgelenmiş formatların altını çizer.
Piksellerin ötesinde, görüntü dosyaları çoğu zaman üst veri taşır. En yaygın düşük seviye standart, ilk olarak dijital fotoğraf makineleri için tasarlanmış olan EXIF (Exchangeable Image File Format)'tir. Spesifikasyon ve tarihçe EXIF maddesinde ve fotoğrafçılar için EXIF üst veri rehberlerinde belgelenmiştir.
EXIF etiketleri, kamera modeli, objektif, pozlama ayarları, tarih ve saat, GPS koordinatları ve daha fazlasını doğrudan JPEG, TIFF ve bazı diğer formatların içinde saklayabilir. dijital varlık yönetiminde EXIF kullanımına ve fotoğraf üst verisine ilişkin rehberlere dair genel bakışlar, EXIF'in pratikte nasıl kullanıldığını netleştirir ve PNG ile WebP'nin teknik olarak üst veri saklayabilmesine rağmen zengin EXIF bilgisinin en çok JPEG ve TIFF dosyalarında görüldüğünü belirtir.
Kongre Kütüphanesi gibi kurumlar, açıklık, dokümantasyon, üst veri desteği ve teknik sağlamlık arasında denge kurarak biçimleri edinim ve koruma açısından derecelendiren Tavsiye Edilen Format Bildirimleri yayımlar. Hareketsiz görüntüler için RFS ve 2025–2026 güncellemeleri hareketsiz görüntüler için tercih edilen ve kabul edilebilir biçimleri özetler.
Bu dokümanlar, sık sık hareketsiz görüntü tercihleri sayfasında da açıklandığı gibi, üst veri desteği ve bit derinliği, uzamsal çözünürlük gibi özellikleri göz önüne alarak sıkıştırmasız veya kayıpsız sıkıştırmalı TIFF, yüksek kaliteli JPEG, PNG ve JPEG 2000'i tercih edilen veya kabul edilebilir seçenekler arasında sayar.
Sentetik medya üretmek giderek kolaylaşırken, görüntü ve videolara içerik kökeni (provenance) bilgisini gömme konusuna ilgi artıyor. İçerik Kökeni ve Özgünlüğü Koalisyonu (C2PA) ve Adobe'nin Content Authenticity Initiative girişimi gibi çalışmalar, medyaya oluşturuldukları anda ve düzenleme sırasında kriptografik olarak doğrulanabilir "Content Credentials" eklemenin yollarını tanımlar. Bu, C2PA ve deepfake etiketlemesine dair haberlerde ve koruma odaklı biçim tercih dokümanlarında tartışılır.
Ancak ilk uygulamalar, platformların çoğu zaman köken üst verisini sıyırdığını veya gizlediğini ve üst veri mevcut olduğunda bile kullanıcıların net etiketler görmesinin nadir olduğunu gösteriyor. Sora deepfake tespitine yönelik eleştirilerde ve dijital adli bilişim perspektiflerinde bu teknik kapasite ile gerçek dünya uygulaması arasındaki boşluk vurgulanıyor.
Ham, sıkıştırılmamış görüntüler çok büyüktür; dolayısıyla sıkıştırma, depolama, iletim ve etkileşimli kullanım için zorunludur. Kayıpsız sıkıştırma (PNG, bazı TIFF türleri, GIF, kayıpsız WebP/AVIF) tek bir piksel bile değişmeden boyutu azaltmak için fazlalıktan yararlanır; bu, PNG sıkıştırma referanslarında, TIFF dokümantasyonunda ve GIF sıkıştırma rehberlerinde açıklanır. Kayıplı sıkıştırma (JPEG, kayıplı WebP/AVIF, bazı TIFF varyantları) ise ideal olarak daha az algılanabilir olan bilgiyi atarak boyutu daha da küçültür; bu da JPEG–WebP–AVIF karşılaştırmalarında gösterildiği gibi modern format analizlerinde incelenir.
Modern karşılaştırmalar, birçok kullanım senaryosu için AVIF ve WebP'nin, özellikle web dağıtımında boyut/kalite dengesi açısından hem JPEG'i hem de PNG'yi geride bırakabildiğini gösteriyor; bu, CDN odaklı format karşılaştırmalarında ve görüntü formatı istatistiklerinde raporlanır.
Kayıplı sıkıştırma çok ileriye götürüldüğünde, artifaktlar görünür hâle gelir. Yaygın artifaktlar arasında bloklaşma, çınlama (ringing), kademelenme (banding) ve sivrisinek gürültüsü bulunur. Sıkıştırma artifaktı maddesi ve artifakt giderme rehberleri ayrıntılı sınıflandırmalar sunarken, video artifaktlarına ilişkin rehberler benzer sorunların hareketli görüntülerde nasıl ortaya çıktığını gösterir.
Artifakt azaltma araçları, blok sınırlarını yumuşatmaya, kenarları yeniden inşa etmeye veya bazen makine öğrenimi modelleriyle birlikte kullanılan blok giderme (deblocking) filtreleri uygulamaya çalışır. Kavramsal temel, JPEG'in DCT katsayılarını nasıl nicemlediğine dair anlatımlarda ve ayrıntılı JPEG standart notlarında açıklandığı gibi JPEG kodlamasındaki nicemleme adımlarına dayanır.
Webde sayfa ağırlığının en büyük bileşenlerinden biri çoğu zaman görüntülerdir. Doğru formatları ve sıkıştırma düzeylerini seçmek, toplam görüntü aktarım boyutunu bazen %50–70 oranında azaltabilir. WebP–AVIF–JPEG karşılaştırmaları ve modern optimizasyon rehberleri bu tercihlerinin ne kadar etkili olabileceğini gösterir.
Pratik teknikler arasında doğru formatı seçmek (fotoğraflar için AVIF/WebP, çizgi sanat için PNG/SVG, animasyon için minimum GIF veya video), birden fazla kodlama sunup tarayıcının seçim yapmasına izin vermek ve duyarlı HTML ile görüntüleri görüntü boyutuna uygun şekilde yeniden boyutlandırmak yer alır. görüntü dosya biçimi açıklamaları ve format karşılaştırma rehberleri somut öneriler sunar.
flexiGIF veya özel PNG optimize edicileri gibi araçlarla eski GIF ve PNG dosyalarını kayıpsız biçimde optimize etmek, pikselleri değiştirmeden ek kazanç sağlayabilir; bu da PNG sıkıştırma referanslarında ve GIF optimizasyon aracı açıklamalarında belirtilir.
Üretken modeller görüntü ve videoları sentezlemede gittikçe daha iyi oldukça, "gördüğüne inanmak" fikri aşınmıştır. Deepfake teknolojileri gerçekçi yüzler oluşturabilir, kimlikleri değiştirebilir ve hiç yaşanmamış olayları üretip kaydedilmiş gibi gösterebilir. dijital özgünlük krizi ve deepfake'ler, deepfake teknolojisinin etiği ve deepfake risk değerlendirmeleri gibi etik ve toplumsal analizler; rızasız görüntülerden siyasi dezenformasyona kadar uzanan kaygıları vurgular.
Ampirik çalışmalar, birçok kullanıcının sentetik medyayı gerçek içerikten ayırt etmekte zaten zorlandığını ve bunun rıza, kimlik ve bilgi bütünlüğüyle ilgili sorular doğurduğunu gösteriyor. deepfake'ler ve delil tahrifine dair dijital adli bilişim analizleri mahkemelerin ve soruşturmaların bundan nasıl etkilendiğinin altını çizer.
Deepfake'leri tespit veya etiket etmeye yönelik çabalar üretimin gerisinde kalmaktadır: C2PA kimlik bilgileri gibi köken üst verisini gömen sistemler bile çoğu zaman açık uyarılar göstermez ya da bu üst veri dağıtım zincirlerinde sıyrılabilir; bu durum, deepfake etiketlemedeki eksikliklere dair haberlerde belgelenmiştir. Dijital görüntüler için bu, teknologlar, platformlar ve politika yapıcılar için yeni bir sorumluluk boyutu yaratır.
Dijital bir görüntü aynı anda birçok şeydir: örnekleme teorisi ve sensör tasarımıyla sınırlanan örneklenmiş bir sinyal, bir renk uzayında matematiksel bir nesne, JPEG veya PNG gibi bir dosya biçimi örneği ve estetik tercihlere, etik kaygılara, koruma politikalarına ve güven çerçevelerine tabi kültürel bir yapıt. Bu katmanlar, sırasıyla örnekleme ve niceleme öğreticilerinde, dijital görüntülerin resmi tanımlarında, format karşılaştırma rehberlerinde ve koruma ve biçim tercih bildirimlerinde anlatılır.
Dijital görüntüleri anlamak, bu katmanların nasıl bir araya geldiğini anlamak demektir. Bir görüntüyü örnekleme teorisi, renk bilimi, sıkıştırma, üst veri ve toplumsal bağlam tarafından şekillendirilmiş bir sayı dizisi olarak gördüğünüzde, "Bu logo SVG mi yoksa PNG mi olmalı?" veya "Bu JPEG arşivleme için yeterince iyi mi?" gibi sorular, tahminden çok bilinçli ödünleşimlere dönüşür.
Biçimler gelişmeye devam ettikçe—PNG HDR desteği kazanırken, AVIF ve JPEG XL JPEG'e meydan okurken ve köken standartları bunların üzerine eklenirken— manzara da sürekli değişecektir. PNG'nin son spesifikasyon güncellemelerine, yeni nesil görüntü formatlarına ve gelişen koruma rehberliklerine dair yazılar, dijital görüntüleme alanının hareketli bir hedef olduğunu açıkça gösteriyor. Değişmeyen tek şey, dijital görüntülerin—ister bir arşivde özenle korunmuş TIFF taramaları, ister sosyal medyada hızla dolaşan geçici memler olsun—dünyayı nasıl gördüğümüz, hatırladığımız ve tartıştığımız şeylerin merkezinde kalacağıdır.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz olacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yoktur, bu nedenle sizden ücret almamıza gerek yoktur.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.