La reconnaissance optique de caractères (OCR) transforme les images de texte (scans, photos de smartphone, PDF) en chaînes de caractères lisibles par machine et, de plus en plus, en données structurées. L'OCR moderne est un pipeline qui nettoie une image, trouve du texte, le lit et exporte des métadonnées riches afin que les systèmes en aval puissent rechercher, indexer ou extraire des champs. Deux normes de sortie largement utilisées sont hOCR, un microformat HTML pour le texte et la mise en page, et ALTO XML, un schéma orienté bibliothèque/archives ; tous deux préservent les positions, l'ordre de lecture et d'autres indices de mise en page et sont pris en charge par des moteurs populaires comme Tesseract.
Prétraitement. La qualité de l'OCR commence par le nettoyage de l'image : conversion en niveaux de gris, débruitage, seuillage (binarisation) et redressement. Les tutoriels canoniques d'OpenCV couvrent le seuillage global, adaptatif et d'Otsu — des incontournables pour les documents avec un éclairage non uniforme ou des histogrammes bimodaux. Lorsque l'éclairage varie au sein d'une page (pensez aux photos de téléphone), les méthodes adaptatives surpassent souvent un seuil global unique ; Otsu choisit automatiquement un seuil en analysant l'histogramme. La correction de l'inclinaison est tout aussi importante : le redressement basé sur Hough (Transformée de Hough) associé à la binarisation d'Otsu est une recette courante et efficace dans les pipelines de prétraitement de production.
Détection vs. reconnaissance. L'OCR est généralement divisé en détection de texte (où se trouve le texte ?) et reconnaissance de texte (que dit-il ?). Dans les scènes naturelles et de nombreux scans, les détecteurs entièrement convolutifs comme EAST prédisent efficacement des quadrilatères au niveau du mot ou de la ligne sans étapes de proposition lourdes et sont implémentés dans des boîtes à outils courantes (par exemple, le tutoriel de détection de texte d'OpenCV). Sur les pages complexes (journaux, formulaires, livres), la segmentation des lignes/régions et l'inférence de l'ordre de lecture sont importantes :Kraken implémente la segmentation traditionnelle de zones/lignes et la segmentation neuronale de ligne de base, avec un support explicite pour différents scripts et directions (LTR/RTL/vertical).
Modèles de reconnaissance. Le classique cheval de bataille open-source Tesseract (open-sourcé par Google, avec des racines chez HP) a évolué d'un classifieur de caractères en un reconnaisseur de séquence basé sur LSTM et peut émettre des PDF consultables, des sorties compatibles hOCR/ALTO, et plus encore depuis la CLI. Les reconnaisseurs modernes s'appuient sur la modélisation de séquence sans caractères pré-segmentés. La classification temporelle connexionniste (CTC) reste fondamentale, apprenant les alignements entre les séquences de caractéristiques d'entrée et les chaînes d'étiquettes de sortie ; elle est largement utilisée dans les pipelines d'écriture manuscrite et de texte de scène.
Ces dernières années, les Transformers ont remodelé l'OCR. TrOCR utilise un encodeur Vision Transformer plus un décodeur Text Transformer, entraîné sur de grands corpus synthétiques puis affiné sur des données réelles, avec de solides performances sur les benchmarks de texte imprimé, manuscrit et de scène (voir aussi la documentation de Hugging Face). En parallèle, certains systèmes contournent l'OCR pour la compréhension en aval : Donut (Document Understanding Transformer) est un encodeur-décodeur sans OCR qui produit directement des réponses structurées (comme du JSON clé-valeur) à partir d'images de documents (repo, carte de modèle), évitant l'accumulation d'erreurs lorsqu'une étape OCR distincte alimente un système d'IE.
Si vous voulez une lecture de texte clés en main sur de nombreux scripts, EasyOCR offre une API simple avec plus de 80 modèles linguistiques, renvoyant des boîtes, du texte et des confiances — pratique pour les prototypes et les scripts non latins. Pour les documents historiques, Kraken brille par sa segmentation de ligne de base et son ordre de lecture sensible au script ; pour un entraînement flexible au niveau de la ligne, Calamari s'appuie sur la lignée d'Ocropy (Ocropy) avec des reconnaisseurs (multi-)LSTM+CTC et une CLI pour affiner des modèles personnalisés.
La généralisation dépend des données. Pour l'écriture manuscrite, la base de données d'écriture manuscrite IAM fournit des phrases en anglais de divers scripteurs pour l'entraînement et l'évaluation ; c'est un ensemble de référence de longue date pour la reconnaissance de lignes et de mots. Pour le texte de scène, COCO-Text a superposé des annotations étendues sur MS-COCO, avec des étiquettes pour l'imprimé/manuscrit, lisible/illisible, le script et les transcriptions complètes (voir aussi la page originale du projet). Le domaine s'appuie également fortement sur le pré-entraînement synthétique : SynthText in the Wild rend le texte dans des photographies avec une géométrie et un éclairage réalistes, fournissant d'énormes volumes de données pour pré-entraîner les détecteurs et les reconnaisseurs (référence code et données).
Les compétitions sous l'égide de la lecture robuste d'ICDAR maintiennent l'évaluation sur le terrain. Les tâches récentes mettent l'accent sur la détection/lecture de bout en bout et incluent la liaison de mots en phrases, avec le code officiel rapportant précision/rappel/F-score, l'intersection sur l'union (IoU) et les métriques de distance d'édition au niveau du caractère — reflétant ce que les praticiens devraient suivre.
L'OCR se termine rarement par du texte brut. Les archives et les bibliothèques numériques préfèrent ALTO XML car il encode la mise en page physique (blocs/lignes/mots avec coordonnées) ainsi que le contenu, et il se marie bien avec l'empaquetage METS. Le microformat hOCR , en revanche, intègre la même idée dans HTML/CSS en utilisant des classes comme ocr_line et ocrx_word, ce qui facilite l'affichage, la modification et la transformation avec des outils web. Tesseract expose les deux — par exemple, en générant du hOCR ou des PDF consultables directement depuis la CLI (guide de sortie PDF) ; les wrappers Python comme pytesseract ajoutent de la commodité. Il existe des convertisseurs pour traduire entre hOCR et ALTO lorsque les dépôts ont des normes d'ingestion fixes — voir cette liste organisée d' outils de format de fichier OCR.
La tendance la plus forte est la convergence : la détection, la reconnaissance, la modélisation du langage et même le décodage spécifique à la tâche fusionnent dans des piles de Transformers unifiées. Le pré-entraînement sur de grands corpus synthétiques reste un multiplicateur de force. Les modèles sans OCR seront en concurrence agressive partout où la cible est des sorties structurées plutôt que des transcriptions littérales. Attendez-vous également à des déploiements hybrides : un détecteur léger plus un reconnaisseur de style TrOCR pour le texte long, et un modèle de style Donut pour les formulaires et les reçus.
Tesseract (GitHub) · Documentation de Tesseract · Spécification hOCR · Contexte ALTO · Détecteur EAST · Détection de texte OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Écriture manuscrite IAM · Outils de format de fichier OCR · EasyOCR
La reconnaissance optique de caractères (OCR) est une technologie utilisée pour convertir différents types de documents, tels que des documents papier numérisés, des fichiers PDF ou des images capturées par un appareil photo numérique, en données modifiables et recherchables.
L'OCR fonctionne en numérisant une image ou un document d'entrée, en segmentant l'image en caractères individuels, et en comparant chaque caractère avec une base de données de formes de caractères en utilisant la reconnaissance de formes ou la reconnaissance de caractéristiques.
L'OCR est utilisé dans une variété de secteurs et d'applications, y compris la numérisation de documents imprimés, l'activation des services de texte en parole, l'automatisation des processus de saisie de données, et l'aide aux utilisateurs malvoyants pour mieux interagir avec le texte.
Bien que des progrès importants aient été faits dans la technologie OCR, elle n'est pas infaillible. La précision peut varier en fonction de la qualité du document original et des spécificités du logiciel OCR utilisé.
Bien que l'OCR soit principalement conçu pour le texte imprimé, certains systèmes OCR avancés sont également capables de reconnaître une écriture manuelle claire et cohérente. Cependant, la reconnaissance de l'écriture manuelle est généralement moins précise en raison de la grande variation des styles d'écriture individuels.
Oui, de nombreux systèmes logiciels OCR peuvent reconnaître plusieurs langues. Cependant, il est important de s'assurer que la langue spécifique est prise en charge par le logiciel que vous utilisez.
OCR signifie Optical Character Recognition et est utilisé pour reconnaître le texte imprimé, tandis que ICR, ou Intelligent Character Recognition, est plus avancé et est utilisé pour reconnaître le texte écrit à la main.
L'OCR fonctionne mieux avec des polices claires et faciles à lire et des tailles de texte standard. Bien qu'il puisse fonctionner avec différentes polices et tailles, la précision a tendance à diminuer lorsqu'on traite des polices inhabituelles ou des tailles de texte très petites.
L'OCR peut avoir du mal avec les documents de faible résolution, les polices complexes, les textes mal imprimés, l'écriture manuelle, et les documents avec des arrière-plans qui interfèrent avec le texte. De plus, bien qu'il puisse fonctionner avec de nombreuses langues, il ne couvre peut-être pas parfaitement toutes les langues.
Oui, l'OCR peut numériser du texte en couleur et des arrière-plans en couleur, bien qu'il soit généralement plus efficace avec des combinaisons de couleurs à contraste élevé, comme le texte noir sur un fond blanc. La précision peut diminuer lorsque les couleurs du texte et de l'arrière-plan manquent de contraste suffisant.
Le JPEG 2000 (JP2) est une norme de compression d'image et un système de codage créés par le comité Joint Photographic Experts Group (JPEG) en 2000 dans le but de remplacer la norme JPEG d'origine. JPEG 2000 est également connu par l'extension de nom de fichier .jp2. Il a été développé à partir de zéro pour répondre à certaines des limites du format JPEG d'origine tout en offrant une qualité d'image et une flexibilité supérieures. Il est important de noter que JPC est souvent utilisé comme terme pour désigner le flux de code JPEG 2000, qui est le flux réel d'octets qui représente les données d'image compressées, généralement trouvées dans les fichiers JP2 ou d'autres formats de conteneur tels que MJ2 pour les séquences JPEG 2000 animées.
JPEG 2000 utilise une compression basée sur les ondelettes, par opposition à la transformée en cosinus discrète (DCT) utilisée dans le format JPEG d'origine. La compression par ondelettes offre plusieurs avantages, notamment une meilleure efficacité de compression, en particulier pour les images à haute résolution, et une qualité d'image améliorée à des taux de compression plus élevés. En effet, les ondelettes ne souffrent pas des artefacts « en blocs » qui peuvent être introduits par la DCT lorsque les images sont fortement compressées. Au lieu de cela, la compression par ondelettes peut entraîner une dégradation plus naturelle de la qualité de l'image, qui est souvent moins perceptible à l'œil humain.
L'une des principales caractéristiques de JPEG 2000 est sa prise en charge de la compression sans perte et avec perte dans le même format de fichier. Cela signifie que les utilisateurs peuvent choisir de compresser une image sans aucune perte de qualité, ou ils peuvent opter pour une compression avec perte pour obtenir des tailles de fichier plus petites. Le mode sans perte de JPEG 2000 est particulièrement utile pour les applications où l'intégrité de l'image est essentielle, telles que l'imagerie médicale, les archives numériques et la photographie professionnelle.
Une autre caractéristique importante de JPEG 2000 est sa prise en charge du décodage progressif. Cela permet de décoder et d'afficher une image de manière incrémentielle au fur et à mesure que les données sont reçues, ce qui peut être très utile pour les applications Web ou les situations où la bande passante est limitée. Avec le décodage progressif, une version de faible qualité de l'image entière peut être affichée en premier, suivie d'affinements successifs qui améliorent la qualité de l'image à mesure que davantage de données deviennent disponibles. Cela contraste avec le format JPEG d'origine, qui charge généralement une image de haut en bas.
JPEG 2000 offre également un riche ensemble de fonctionnalités supplémentaires, notamment le codage de région d'intérêt (ROI), qui permet de compresser différentes parties d'une image à différents niveaux de qualité. Ceci est particulièrement utile lorsque certaines zones d'une image sont plus importantes que d'autres et doivent être préservées avec une plus grande fidélité. Par exemple, dans une image satellite, la zone d'intérêt peut être compressée sans perte, tandis que les zones environnantes sont compressées avec perte pour économiser de l'espace.
La norme JPEG 2000 prend également en charge une large gamme d'espaces colorimétriques, notamment les niveaux de gris, RVB, YCbCr et autres, ainsi qu'une profondeur de couleur allant de 1 bit (binaire) à 16 bits par composant dans les modes sans perte et avec perte. Cette flexibilité le rend adapté à une variété d'applications d'imagerie, des simples graphiques Web à l'imagerie médicale complexe nécessitant une plage dynamique élevée et une représentation précise des couleurs.
En termes de structure de fichier, un fichier JPEG 2000 est composé d'une série de boîtes, qui contiennent différentes informations sur le fichier. La boîte principale est la boîte d'en-tête JP2, qui inclut des propriétés telles que le type de fichier, la taille de l'image, la profondeur de bits et l'espace colorimétrique. Après l'en-tête, il y a des boîtes supplémentaires qui peuvent contenir des métadonnées, des informations de profil de couleur et les données d'image compressées réelles (le flux de code).
Le flux de code lui-même est constitué d'une série de marqueurs et de segments qui définissent comment les données d'image sont compressées et comment elles doivent être décodées. Le flux de code commence par le marqueur SOC (Start of Codestream) et se termine par le marqueur EOC (End of Codestream). Entre ces marqueurs, il y a plusieurs segments importants, notamment le segment SIZ (Image and tile size), qui définit les dimensions de l'image et des tuiles, et le segment COD (Coding style default), qui spécifie la transformation en ondelettes et les paramètres de quantification utilisés pour la compression.
La résilience aux erreurs de JPEG 2000 est une autre caractéristique qui le distingue de son prédécesseur. Le flux de code peut inclure des informations de correction d'erreur qui permettent aux décodeurs de détecter et de corriger les erreurs qui peuvent s'être produites pendant la transmission. Cela fait de JPEG 2000 un bon choix pour transmettre des images sur des canaux bruyants ou stocker des images de manière à minimiser le risque de corruption des données.
Malgré ses nombreux avantages, JPEG 2000 n'a pas été largement adopté par rapport au format JPEG d'origine. Cela est dû en partie à la plus grande complexité de calcul de la compression et de la décompression basées sur les ondelettes, qui peuvent nécessiter plus de puissance de traitement et peuvent être plus lentes que les méthodes basées sur la DCT. De plus, le format JPEG d'origine est profondément ancré dans l'industrie de l'imagerie et bénéficie d'un large support logiciel et matériel, ce qui en fait un choix par défaut pour de nombreuses applications.
Cependant, JPEG 2000 a trouvé une niche dans certains domaines où ses fonctionnalités avancées sont particulièrement bénéfiques. Par exemple, il est utilisé dans le cinéma numérique pour la distribution de films, où sa représentation d'image de haute qualité et sa prise en charge de différents rapports d'aspect et fréquences d'images sont importantes. Il est également utilisé dans les systèmes d'information géographique (SIG) et la télédétection, où sa capacité à gérer de très grandes images et sa prise en charge du codage ROI sont précieuses.
Pour les développeurs de logiciels et les ingénieurs travaillant avec JPEG 2000, plusieurs bibliothèques et outils sont disponibles pour prendre en charge l'encodage et le décodage des fichiers JP2. L'une des plus connues est la bibliothèque OpenJPEG, qui est un codec JPEG 2000 open source écrit en C. D'autres progiciels commerciaux offrent également la prise en charge de JPEG 2000, souvent avec des performances optimisées et des fonctionnalités supplémentaires.
En conclusion, le format d'image JPEG 2000 offre une gamme de fonctionnalités et d'améliorations par rapport à la norme JPEG d'origine, notamment une efficacité de compression supérieure, une prise en charge de la compression sans perte et avec perte, un décodage progressif et une résilience avancée aux erreurs. Bien qu'il n'ait pas remplacé JPEG dans la plupart des applications grand public, il constitue un outil précieux dans les industries qui nécessitent un stockage et une transmission d'images de haute qualité. À mesure que la technologie continue de progresser et que le besoin de solutions d'imagerie plus sophistiquées augmente, JPEG 2000 pourrait voir son adoption augmenter sur les marchés nouveaux et existants.
Ce convertisseur fonctionne entièrement dans votre navigateur. Lorsque vous sélectionnez un fichier, il est lu en mémoire et converti dans le format sélectionné. Vous pouvez ensuite télécharger le fichier converti.
Les conversions commencent instantanément, et la plupart des fichiers sont convertis en moins d'une seconde. Les fichiers plus volumineux peuvent prendre plus de temps.
Vos fichiers ne sont jamais téléversés vers nos serveurs. Ils sont convertis dans votre navigateur, puis le fichier converti est téléchargé. Nous ne voyons jamais vos fichiers.
Nous prenons en charge la conversion entre tous les formats d'image, y compris JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, et plus encore.
Ce convertisseur est complètement gratuit, et le restera toujours. Parce qu'il fonctionne dans votre navigateur, nous n'avons pas besoin de payer pour des serveurs, donc nous n'avons pas besoin de vous faire payer.
Oui ! Vous pouvez convertir autant de fichiers que vous voulez simultanément. Il suffit de sélectionner plusieurs fichiers lorsque vous les ajoutez.