OCR herhangi bir PSD

Bir fotoğraf, tarama veya PDF (2.5GB'a kadar) bırakın. Metni doğrudan tarayıcınızda çıkarırız — ücretsiz, sınırsız ve dosyalarınız asla cihazınızdan ayrılmaz.

Özel ve güvenli

Her şey tarayıcınızda gerçekleşir. Dosyalarınız sunucularımıza asla dokunmaz.

Çok hızlı

Yükleme yok, bekleme yok. Bir dosyayı bıraktığınız anda dönüştürün.

Gerçekten ücretsiz

Hesap gerekmez. Gizli maliyet yok. Dosya boyutu hilesi yok.

Optik Karakter Tanıma (OCR) metin resimlerini—taramaları, akıllı telefon fotoğraflarını, PDF'leri—makine tarafından okunabilir dizelere ve giderek artan bir şekilde yapılandırılmış verilere dönüştürür. Modern OCR, bir görüntüyü temizleyen, metni bulan, okuyan ve zengin meta verileri dışa aktaran bir boru hattıdır böylece alt sistemler alanları arayabilir, dizine ekleyebilir veya çıkarabilir. Yaygın olarak kullanılan iki çıktı standardı şunlardır: hOCR, metin ve düzen için bir HTML mikroformatı ve ALTO XML, bir kütüphane/arşiv odaklı şema; her ikisi de konumları, okuma sırasını ve diğer düzen ipuçlarını korur ve gibi popüler motorlar tarafından desteklenir Tesseract.

Boru hattına hızlı bir bakış

Ön işleme. OCR kalitesi görüntü temizleme ile başlar: gri tonlamaya dönüştürme, gürültü giderme, eşikleme (ikili hale getirme) ve eğrilik düzeltme. Kanonik OpenCV eğitimleri küresel, uyarlanabilir ve Otsu eşikleme—düzensiz aydınlatmalı veya bimodal histogramlı belgeler için temel unsurlar. Bir sayfa içinde aydınlatma değiştiğinde (telefon fotoğraflarını düşünün), uyarlanabilir yöntemler genellikle tek bir küresel eşikten daha iyi performans gösterir; Otsu histogramı analiz ederek otomatik olarak bir eşik seçer. Eğim düzeltme de aynı derecede önemlidir: Hough tabanlı eğrilik düzeltme (Hough Çizgi Dönüşümü) Otsu ikilileştirmesi ile eşleştirilmiş, üretim ön işleme boru hatlarında yaygın ve etkili bir reçetedir.

Tespit ve tanıma. OCR tipik olarak metin tespiti (metin nerede ?) ve metin tanıma (ne diyor?) olarak ikiye ayrılır. Doğal sahnelerde ve birçok taramada, tamamen evrişimli dedektörler gibi EAST ağır teklif aşamaları olmadan kelime veya satır düzeyinde dörtgenleri verimli bir şekilde tahmin eder ve yaygın araç setlerinde (ör. OpenCV’nin metin tespiti eğitimi) uygulanır. Karmaşık sayfalarda (gazeteler, formlar, kitaplar), satırların/bölgelerin segmentasyonu ve okuma sırası çıkarımı önemlidir:Kraken geleneksel bölge/satır segmentasyonunu ve sinirsel temel çizgi segmentasyonunu uygular, farklı komut dosyaları ve yönler (LTR/RTL/dikey) için açık destek ile.

Tanıma modelleri. Klasik açık kaynaklı iş gücü Tesseract (Google tarafından açık kaynaklı hale getirildi, kökleri HP'ye dayanıyor) bir karakter sınıflandırıcısından LSTM tabanlı bir dizi tanıyıcıya dönüştü ve aranabilir PDF'ler, hOCR/ALTO dostu çıktılarve daha fazlasını CLI'den yayabilir. Modern tanıyıcılar, önceden bölümlenmiş karakterler olmadan dizi modellemesine güvenir. Bağlantıcı Geçici Sınıflandırma (CTC) temel olmaya devam ediyor, girdi özellik dizileri ve çıktı etiket dizileri arasındaki hizalamaları öğreniyor; el yazısı ve sahne metni boru hatlarında yaygın olarak kullanılıyor.

Son birkaç yılda, Transformer'lar OCR'yi yeniden şekillendirdi. TrOCR bir görüş Transformer kodlayıcı artı bir metin Transformer kod çözücü kullanır, büyük sentetik korpuslar üzerinde eğitilmiş ve ardından gerçek veriler üzerinde ince ayar yapılmış, basılı, el yazısı ve sahne metni karşılaştırmalarında güçlü performansla (ayrıca bkz. Hugging Face belgeleri). Paralel olarak, bazı sistemler alt akım anlama için OCR'yi atlar: Donut (Belge Anlama Transformer'ı) doğrudan yapılandırılmış cevaplar (anahtar-değer JSON gibi) üreten OCR'siz bir kodlayıcı-kod çözücüdür belge resimlerinden (repo, model kartı), ayrı bir OCR adımı bir IE sistemini beslediğinde hata birikimini önler.

Motorlar ve kütüphaneler

Birçok komut dosyasında pille birlikte metin okuma istiyorsanız, EasyOCR 80'den fazla dil modeliyle basit bir API sunar, kutular, metin ve güvenilirlikler döndürür—prototipler ve Latin olmayan komut dosyaları için kullanışlıdır. Tarihi belgeler için, Kraken temel çizgi segmentasyonu ve komut dosyasına duyarlı okuma sırası ile parlar; esnek satır düzeyinde eğitim için, Calamari Ocropy soyundan gelir (Ocropy) (çoklu)LSTM+CTC tanıyıcıları ve özel modelleri ince ayarlamak için bir CLI ile.

Veri setleri ve karşılaştırmalar

Genelleme verilere bağlıdır. El yazısı için, IAM El Yazısı Veritabanı eğitim ve değerlendirme için yazar açısından çeşitli İngilizce cümleler sağlar; bu, satır ve kelime tanıma için uzun süredir devam eden bir referans setidir. Sahne metni için, COCO-Text MS-COCO üzerine kapsamlı ek açıklamalar katmanladı, basılı/el yazısı, okunaklı/okunaksız, komut dosyası ve tam transkripsiyonlar için etiketlerle (ayrıca orijinal proje sayfasınabakın). Alan ayrıca sentetik ön eğitime de büyük ölçüde güvenir: Vahşi Doğada SynthText gerçekçi geometri ve aydınlatma ile fotoğraflara metin işler, önceden eğitmek için büyük hacimli veriler sağlar dedektörler ve tanıyıcılar (referans kod ve veri).

ICDAR’ın Sağlam Okuma şemsiyesi altındaki yarışmalar değerlendirmeyi temellendirir. Son görevler uçtan uca tespit/okumayı vurgular ve kelimeleri ifadelere bağlamayı içerir, resmi kod raporlaması kesinlik/geri çağırma/F-skoru, kesişim-üzeri-birleşim (IoU) ve karakter düzeyinde düzenleme mesafesi metrikleri—uygulayıcıların izlemesi gerekenleri yansıtır.

Çıktı formatları ve alt akım kullanımı

OCR nadiren düz metinle biter. Arşivler ve dijital kütüphaneler ALTO XML 'i tercih eder çünkü içeriğin yanı sıra fiziksel düzeni (koordinatlı bloklar/satırlar/kelimeler) kodlar ve METS paketlemesiyle iyi eşleşir. hOCR mikroformatı ise aynı fikri ocr_line ve ocrx_word gibi sınıfları kullanarak HTML/CSS'ye gömer, bu da web araçlarıyla görüntülemeyi, düzenlemeyi ve dönüştürmeyi kolaylaştırır. Tesseract her ikisini de sunar—örneğin, doğrudan CLI'den hOCR veya aranabilir PDF'ler oluşturma (PDF çıktı kılavuzu); pytesseract gibi Python sarmalayıcıları kolaylık sağlar. Depoların sabit alım standartları olduğunda hOCR ve ALTO arasında çeviri yapmak için dönüştürücüler mevcuttur—bu derlenmiş listeye bakın OCR dosya formatı araçları.

Pratik rehberlik

  • Veri ve temizlikle başlayın. Görüntüleriniz telefon fotoğrafları veya karışık kalitede taramalar ise, herhangi bir model ayarlamasından önce eşiklemeye (uyarlanabilir ve Otsu) ve eğrilik düzeltmeye (Hough) yatırım yapın. Genellikle sağlam bir ön işleme reçetesinden, tanıyıcıları değiştirmekten daha fazla kazanç sağlarsınız.
  • Doğru dedektörü seçin. Düzenli sütunlu taranmış sayfalar için bir sayfa segmentleyici (bölgeler → satırlar) yeterli olabilir; doğal görüntüler için, EAST gibi tek atışlı dedektörler güçlü temel çizgilerdir ve birçok araç setine takılır (OpenCV örneği).
  • Metninize uyan bir tanıyıcı seçin. Basılı Latin için, Tesseract (LSTM/OEM) sağlam ve hızlıdır; çoklu komut dosyası veya hızlı prototipler için, EasyOCR üretkendir; el yazısı veya tarihi yazı karakterleri için, Kraken veya Calamari 'yi düşünün ve ince ayar yapmayı planlayın. Belge anlamaya (anahtar-değer çıkarma, VQA) sıkı bir şekilde bağlanmanız gerekiyorsa, şemanızda TrOCR (OCR) ile Donut (OCR'siz) karşılaştırmasını değerlendirin—Donut bütün bir entegrasyon adımını kaldırabilir.
  • Önemli olanı ölçün. Uçtan uca sistemler için, tespit F-skoru ve tanıma CER/WER'yi (her ikisi de Levenshtein düzenleme mesafesine dayanır; bkz. CTC) raporlayın; düzen ağırlıklı görevler için, IoU/sıkılığı ve karakter düzeyinde normalleştirilmiş düzenleme mesafesini ICDAR RRC değerlendirme kitlerindeki gibi izleyin.
  • Zengin çıktılar dışa aktarın. hOCR /ALTO 'yu (veya her ikisini) tercih edin, böylece koordinatları ve okuma sırasını korursunuz—arama sonucu vurgulama, tablo/alan çıkarma ve köken için hayati önem taşır. Tesseract’ın CLI'si ve pytesseract bunu tek satırlık hale getirir.

İleriye bakış

En güçlü eğilim yakınsamadır: tespit, tanıma, dil modelleme ve hatta göreve özgü kod çözme birleşik Transformer yığınlarında birleşiyor. büyük sentetik korpuslar üzerinde ön eğitim bir güç çarpanı olmaya devam ediyor. OCR'siz modeller, hedefin kelimesi kelimesine transkriptler yerine yapılandırılmış çıktılar olduğu her yerde agresif bir şekilde rekabet edecektir. Hibrit dağıtımlar da bekleyin: uzun biçimli metin için hafif bir dedektör artı bir TrOCR tarzı tanıyıcı ve formlar ve makbuzlar için bir Donut tarzı model.

Daha fazla okuma ve araçlar

Tesseract (GitHub) · Tesseract belgeleri · hOCR özellikleri · ALTO arka planı · EAST dedektörü · OpenCV metin tespiti · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM el yazısı · OCR dosya formatı araçları · EasyOCR

Sıkça Sorulan Sorular

OCR nedir?

Optical Character Recognition (OCR), tarama yapılan kağıt belgeler, PDF dosyaları veya dijital bir kamera ile çekilen fotoğraflar gibi çeşitli belgeleri düzenlenebilir ve aranabilir bilgilere çevirmek için kullanılan bir teknolojidir.

OCR nasıl çalışır?

OCR, giriş görüntüsünü veya belgeyi tarayarak, görüntüyü bireysel karakterlere ayırarak ve her karakteri bir karakter şekli veritabanı ile pattern recognition veya feature recognition kullanarak karşılaştırarak çalışır.

OCR'nin pratik uygulamaları nelerdir?

OCR, basılı belgelerin dijitalleştirilmesi, metinden sesli hizmetlerin etkinleştirilmesi, veri giriş süreçlerinin otomatikleştirilmesi ve görme engelli kullanıcıların metinle daha iyi etkileşim kurması gibi farklı sektörlerde ve uygulamalarda kullanılır.

OCR her zaman %100 doğru mudur?

OCR teknolojisinde büyük gelişmeler kaydedilmiş olmasına rağmen, hâlâ hatalar olabilir. Doğruluk, orijinal belgenin kalitesine ve kullanılan OCR yazılımının özelliklerine bağlı olarak değişir.

OCR el yazısını tanıyabilir mi?

OCR, temel olarak basılmış metin için tasarlanmıştır, ancak bazı gelişmiş OCR sistemleri, net ve tutarlı el yazısını da tanıyabilir. Ancak, bireysel yazı stillerindeki büyük varyasyonlar nedeniyle, genellikle el yazısının tanınması daha az doğrudur.

OCR birden fazla dili destekler mi?

Evet, birçok OCR yazılım sistemi birden fazla dili tanıyabilir. Ancak, belirli bir dilin desteklendiğinden emin olmak için kullanılan yazılımı kontrol etmek önemlidir.

OCR ve ICR arasındaki fark nedir?

OCR, Optical Character Recognition anlamına gelir ve basılı metni tanımak için kullanılır, ICR ise Intelligent Character Recognition anlamına gelir ve daha gelişmiş olup el yazısını tanımak için kullanılır.

OCR herhangi bir font ve metin boyutuyla çalışabilir mi?

OCR, açık, okunabilir fontlar ve standart metin boyutlarıyla en iyi sonucu verir. Farklı fontlar ve boyutlarla da çalışabilir, ancak alışılmadık fontlar veya çok küçük metin boyutlarıyla karşılaştığında doğruluk genellikle azalır.

OCR teknolojisinin sınırlamaları nelerdir?

OCR, düşük çözünürlüklü belgeler, karmaşık fontlar, zayıf basılan metinler, el yazısı ve metni engelleyen arka planları olan belgelerle zorlanabilir. Ayrıca, birçok dili destekleyebilme özelliğine rağmen, her dili mükemmel bir şekilde kapsayamayabilir.

OCR, renkli metinleri veya renkli arka planları tarayabilir mi?

Evet, OCR, renkli metin ve arka planları tarayabilir, ancak genellikle yüksek kontrastlı renk kombinasyonları, örneğin beyaz arka plan üzerinde siyah metin, ile daha etkilidir. Metin ve arka plan rengi yeterli kontrast oluşturmadığında doğruluk düşebilir.

PSD formatı nedir?

Adobe Photoshop bitmap

Photoshop Belgesi anlamına gelen PSD formatı, Adobe Inc. tarafından yaygın olarak kullanılan Photoshop yazılımı için geliştirilen tescilli bir dosya türüdür. Başlangıcından bu yana, çeşitli görüntü düzenleme tekniklerine yönelik esnekliği ve kapsamlı desteğiyle tanınan dijital sanat ve grafik tasarım endüstrilerinde temel bir unsur haline gelmiştir. Format, katmanlar, maskeler, renkler ve hatta geçmiş durumlar da dahil olmak üzere bir görüntünün tam düzenleme geçmişini saklamak için özel olarak tasarlanmıştır ve böylece yıkıcı olmayan bir düzenleme iş akışı sağlar. Bu, sanatçıların ve tasarımcıların orijinal verileri kaybetmeden projelerinin herhangi bir yönünü yeniden ziyaret etmelerine ve değiştirmelerine olanak tanır.

PSD formatının ayırt edici özelliklerinden biri katmanlı yapısıdır. Tüm öğeleri tek bir katmanda birleştiren geleneksel görüntü formatlarının aksine, PSD dosyaları her öğeyi ayrı bir katman olarak tutar. Bu, metinden şekillere, ayarlama katmanlarından akıllı nesneler ve katman efektleri gibi daha karmaşık öğelere kadar değişebilir. Bu katmanlı yaklaşım, yalnızca daha sofistike tasarım ve düzenleme stratejilerine izin vermekle kalmaz, aynı zamanda daha düzenli ve verimli bir iş akışını da kolaylaştırır. Kullanıcılar öğeleri bağımsız olarak değiştirebilir, görünürlüklerini ayarlayabilir ve görüntünün geri kalanını etkilemeden yeniden sıralayabilir.

Katmanların yanı sıra PSD dosyaları, değişken görünürlükle görüntüler oluşturmak ve karmaşık kesikler içeren grafikler oluşturmak için çok önemli olan şeffaflığı da destekler. PSD dosyalarındaki şeffaflık, görüntünün farklı bölümlerinin opaklığı hakkında bilgi depolayan alfa kanalları aracılığıyla yönetilir. Bu özellik, görsellere derinlik ve karmaşıklık katmak için vazgeçilmezdir ve formatı web tasarımı, animasyon ve video prodüksiyonunda özel efektler gibi hassasiyet ve ayrıntılı manipülasyon gerektiren görevler için oldukça tercih edilen hale getirir.

PSD formatının bir diğer önemli avantajı, sofistike metin düzenleme desteğidir. Bir PSD dosyasına metin eklendiğinde, metni rasterleştirmeden veya bir görüntü katmanına dönüştürmeden yazı tipi özelliklerini, hizalamayı, rengi ve efekti değiştirmeye olanak tanıyan tamamen düzenlenebilir kalır. Bu, metnin netliğini ve berraklığını kaç kez düzenlendiğine bakılmaksızın koruduğu için sık metin ayarlamaları gerektiren tasarım çalışmaları için özellikle değerlidir. Ayrıca, Photoshop'un metin üzerinde veya şekil üzerinde metin gibi gelişmiş metin işlevleri ve metni diğer uygulamalarda kullanmak üzere içe ve dışa aktarma yeteneği, PSD dosyalarını karmaşık tipografi içeren projeler için son derece çok yönlü hale getirir.

PSD dosyaları ayrıca çok çeşitli renk modelleri ve derinliklerle olan geniş uyumluluklarıyla da bilinir. Gri tonlamadan RGB, CMYK ve Lab rengi dahil olmak üzere çok kanallı renk modlarına kadar her şeyi desteklerler. Bu, ekranlarda görüntülenebilen dijital tasarımdan CMYK renk belirtimi gerektiren baskıya hazır projelere kadar çeşitli kullanımlar için son derece uyarlanabilir hale getirir. Ek olarak, PSD dosyaları kanal başına 32 bit'e kadar etkileyici bir renk derinliği depolayabilir ve bu da yüksek dinamik aralık sağlar ve daha hassas renk düzeltme ve derecelendirme tekniklerine olanak tanır.

Ayarlama katmanlarını ekleme yeteneği, PSD formatını farklı kılan bir başka özelliktir. Bu katmanlar, orijinal görüntü verilerini kalıcı olarak değiştirmeden alttaki katmanlara uygulanabilen renk düzeltme, pozlama, kontrast ve diğer geliştirmeler için ayarlar içerir. Bu, ayarlamaların düzenleme sürecinin herhangi bir aşamasında ayarlanabileceği veya kaldırılabileceği anlamına gelir ve benzersiz bir esneklik sunar. Ayarlama katmanları, efektlerin seçici olarak uygulanmasını sağlayan katman maskeleriyle birlikte çalışır ve PSD formatının yıkıcı olmayan özelliğini daha da vurgular.

PSD dosyaları ayrıca kalite kaybı olmadan mükemmel ölçeklenebilir kalan şekiller ve metin gibi vektör öğelerinin eklenmesini de destekler. Bunun nedeni, çözünürlükten bağımsız olan vektör grafiklerinin matematiksel yapısıdır. Vektör teknolojisinin PSD gibi ağırlıklı olarak raster tabanlı bir formata entegre edilmesi, ölçeklenebilirlik ve ayrıntılı düzenleme arasında bir uyum sağlar. Bu kombinasyon, logo tasarımı, web grafikleri ve ölçeklenebilir kompozisyonlar gibi hem herhangi bir boyutta netlik hem de piksel düzeyinde ayrıntı gerektiren uygulamalar için çok önemlidir.

PSD dosyalarına Akıllı Nesnelerin dahil edilmesi, sofistike görüntü düzenlemede bir başka sıçramayı işaret ediyor. Akıllı Nesneler, bir görüntünün kaynak içeriğini tüm orijinal özellikleriyle korur ve yıkıcı olmayan ölçekleme, döndürme ve eğilmeye olanak tanır. Ayrıca harici dosyalara da bağlanabilirler ve harici dosya güncellendiğinde PSD dosyasının bu güncellemeleri otomatik olarak yansıtmasını sağlar. Bu özellik, özellikle işbirlikli iş akışları ve birden fazla dosyada güncellenmesi gerekebilecek tekrarlayan öğeler içeren projeler için kullanışlıdır.

Photoshop'un otomasyon özellikleri PSD formatıyla yakından bağlantılıdır. Kullanıcı tarafından kaydedilen görev dizileri olan Eylemler, tekrarlayan işlemler için PSD dosyalarında kaydedilebilir ve yeniden boyutlandırma, biçimlendirme veya birden fazla dosyaya filtre uygulama gibi görevler için iş akışını önemli ölçüde hızlandırabilir. Benzer şekilde, daha karmaşık ve koşullu mantık ve sofistike işleme yeteneğine sahip olan Photoshop komut dosyaları da PSD dosyalarına uygulanabilir ve yazılımın rutin görevleri ve karmaşık prosedürleri otomatikleştirmedeki yeteneklerini daha da genişletir.

Çok sayıda avantajına rağmen, PSD formatının zengin özellik seti, dosya boyutu açısından bir dezavantaja sahiptir. PSD dosyaları, özellikle birden fazla katman, yüksek renk derinliği ve Akıllı Nesneler gibi ek özellikler içeren büyük görüntüleri kaydederken genellikle önemli depolama alanı kaplar. Bu, katman sıkıştırma gibi özellikler kullanılarak ve içerik çoğaltmak yerine ayarlama katmanlarının kullanımını en üst düzeye çıkararak bir dereceye kadar azaltılabilir. Ancak, uzun süreli depolama veya paylaşım için birçok kullanıcı, düzenleme amaçları için orijinal PSD'yi tutarken, görüntüleri düzleştirmeye veya JPEG veya PNG gibi daha boyut açısından verimli formatlarda kopyalar kaydetmeye başvurur.

Birlikte çalışabilirlik, PSD formatının güçlü yönlerinden biridir. Adobe'ye özel olmasına rağmen, PSD dosyaları çok sayıda üçüncü taraf yazılım uygulamasında açılabilir ve değişen derecelerde düzenlenebilir. Bu, Adobe'nin formatın dokümantasyonu ve yazılım geliştirme topluluğu içinde uyumluluğu koruma çabaları sayesindedir. Ancak, tüm uygulamalar PSD özelliklerinin tam aralığını desteklemez ve kullanıcılar katman efektleri ve ayarlama katmanları gibi bazı öğelerin farklı yazılımlar arasında mükemmel bir şekilde aktarılmadığını görebilir ve bu da dosyaları uygulamalar arasında taşırken biraz dikkatli olmayı gerektirir.

Adobe, son derece büyük görüntülere yönelik modern talepleri karşılamak için PSD'nin bir uzantısı olarak PSB (Photoshop Big) formatını tanıttı. PSB, PSD dosyalarının 30.000 piksel sınırının aksine, herhangi bir boyutta 300.000 piksele kadar belgeleri barındıran, esasen sınırsız bir dosya boyutunu destekler. Bu, özellikle yüksek çözünürlüklü fotoğrafçılık, büyük ölçekli kompozit görüntüler ve ayrıntılı dijital resimler için kullanışlıdır. Bu farklılıklara rağmen PSB, PSD dosyalarında bulunan özelliklerin çoğuyla uyumluluğu korur ve PSD formatının sınırlarını aşan projeler için sorunsuz bir iş akışı sunar.

Sonuç olarak, PSD görüntü formatı, dijital sanat ve grafik tasarım topluluklarının ihtiyaçlarını karşılamak için tasarlanmış karmaşık ve çok yönlü bir dosya türüdür. Yıkıcı olmayan düzenleme, katmanlı kompozisyonlar, şeffaflık, kapsamlı renk modelleri, ayarlama katmanları, vektör öğeleri ve akıllı nesneler desteği, onu profesyonel iş akışlarında vazgeçilmez bir araç haline getirir. Karmaşıklıkları ve dosya boyutu zorluklar oluşturabilirken, esneklik ve kalite açısından sunduğu avantajlar rakipsizdir. PSD formatını çevreleyen devam eden geliştirme ve uyumluluk çabaları, basit tasarımlardan karmaşık dijital sanat eserlerine kadar çok çeşitli

Desteklenen formatlar

AAI.aai

AAI Dune resmi

AI.ai

Adobe Illustrator CS2

AVIF.avif

AV1 Resim Dosya Biçimi

BAYER.bayer

Ham Bayer Resmi

BMP.bmp

Microsoft Windows bitmap resmi

CIN.cin

Cineon Resim Dosyası

CLIP.clip

Resim Clip Maskesi

CMYK.cmyk

Ham siyan, magenta, sarı ve siyah örnekleri

CUR.cur

Microsoft simgesi

DCX.dcx

ZSoft IBM PC çok sayfalı Paintbrush

DDS.dds

Microsoft DirectDraw Yüzeyi

DPX.dpx

SMTPE 268M-2003 (DPX 2.0) resmi

DXT1.dxt1

Microsoft DirectDraw Yüzeyi

EPDF.epdf

Encapsulated Portable Document Format

EPI.epi

Adobe Encapsulated PostScript Interchange biçimi

EPS.eps

Adobe Encapsulated PostScript

EPSF.epsf

Adobe Encapsulated PostScript

EPSI.epsi

Adobe Encapsulated PostScript Interchange biçimi

EPT.ept

TIFF önizlemeli Encapsulated PostScript

EPT2.ept2

TIFF önizlemeli Encapsulated PostScript Level II

EXR.exr

Yüksek dinamik aralıklı (HDR) resim

FF.ff

Farbfeld

FITS.fits

Esnek Resim Taşıma Sistemi

GIF.gif

CompuServe grafik değişim biçimi

HDR.hdr

Yüksek Dinamik Aralıklı resim

HEIC.heic

Yüksek Verimlilik Görüntü Kapsayıcısı

HRZ.hrz

Yavaş Tarama Televizyonu

ICO.ico

Microsoft simgesi

ICON.icon

Microsoft simgesi

J2C.j2c

JPEG-2000 kod akışı

J2K.j2k

JPEG-2000 kod akışı

JNG.jng

JPEG Ağ Grafikleri

JP2.jp2

JPEG-2000 Dosya Biçimi Sözdizimi

JPE.jpe

Joint Photographic Experts Group JFIF biçimi

JPEG.jpeg

Joint Photographic Experts Group JFIF biçimi

JPG.jpg

Joint Photographic Experts Group JFIF biçimi

JPM.jpm

JPEG-2000 Dosya Biçimi Sözdizimi

JPS.jps

Joint Photographic Experts Group JPS biçimi

JPT.jpt

JPEG-2000 Dosya Biçimi Sözdizimi

JXL.jxl

JPEG XL resmi

MAP.map

Çok çözünürlüklü Dikişsiz Resim Veritabanı (MrSID)

MAT.mat

MATLAB seviye 5 resim biçimi

PAL.pal

Palm pixmap

PALM.palm

Palm pixmap

PAM.pam

Ortak 2-boyutlu bitmap formatı

PBM.pbm

Taşınabilir bitmap formatı (siyah ve beyaz)

PCD.pcd

Fotoğraf CD

PCT.pct

Apple Macintosh QuickDraw/PICT

PCX.pcx

ZSoft IBM PC Paintbrush

PDB.pdb

Palm Veritabanı ImageViewer Formatı

PDF.pdf

Taşınabilir Belge Formatı

PDFA.pdfa

Taşınabilir Belge Arşiv Formatı

PFM.pfm

Taşınabilir float formatı

PGM.pgm

Taşınabilir gri tonlama formatı (gri ölçek)

PGX.pgx

JPEG 2000 sıkıştırılmamış formatı

PICT.pict

Apple Macintosh QuickDraw/PICT

PJPEG.pjpeg

Joint Photographic Experts Group JFIF formatı

PNG.png

Taşınabilir Ağ Grafikleri

PNG00.png00

PNG orijinal görüntüden bit derinliği, renk tipi devralan

PNG24.png24

Opak veya ikili saydam 24-bit RGB (zlib 1.2.11)

PNG32.png32

Opak veya ikili saydam 32-bit RGBA

PNG48.png48

Opak veya ikili saydam 48-bit RGB

PNG64.png64

Opak veya ikili saydam 64-bit RGBA

PNG8.png8

Opak veya ikili saydam 8-bit dizinli

PNM.pnm

Taşınabilir herhangi bir harita

PPM.ppm

Taşınabilir pixmap formatı (renk)

PS.ps

Adobe PostScript dosyası

PSB.psb

Adobe Büyük Belge Formatı

PSD.psd

Adobe Photoshop bitmap

RGB.rgb

Ham kırmızı, yeşil ve mavi örnekleri

RGBA.rgba

Ham kırmızı, yeşil, mavi ve alfa örnekleri

RGBO.rgbo

Ham kırmızı, yeşil, mavi ve opaklık örnekleri

SIX.six

DEC SIXEL Grafik Formatı

SUN.sun

Sun Rasterfile

SVG.svg

Ölçeklenebilir Vektör Grafikleri

TIFF.tiff

Etiketli Görüntü Dosya Formatı

VDA.vda

Truevision Targa görüntüsü

VIPS.vips

VIPS görüntüsü

WBMP.wbmp

Kablosuz Bitmap (seviye 0) görüntüsü

WEBP.webp

WebP Görüntü Formatı

YUV.yuv

CCIR 601 4:1:1 veya 4:2:2

Sıkça sorulan sorular

Bu nasıl çalışır?

Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.

Bir dosyayı dönüştürmek ne kadar sürer?

Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.

Dosyalarıma ne olur?

Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.

Hangi dosya türlerini dönüştürebilirim?

JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.

Bu ne kadar?

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.

Aynı anda birden fazla dosyayı dönüştürebilir miyim?

Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.