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.
APNG (Animated Portable Network Graphics) est un format de fichier qui étend les capacités du format PNG (Portable Network Graphics) largement utilisé pour prendre en charge les animations. Il a été créé pour fournir une alternative plus efficace et accessible au GIF (Graphics Interchange Format) pour la diffusion d'images animées sur le Web. APNG conserve les mêmes fonctionnalités de compression sans perte et de transparence que PNG tout en introduisant la possibilité de stocker plusieurs images, permettant la création d'animations fluides et de haute qualité.
Le format APNG s'appuie sur la structure PNG existante en introduisant de nouveaux types de blocs spécialement conçus pour l'animation. Les principaux blocs utilisés dans APNG sont le bloc `acTL` (Animation Control) et le bloc `fcTL` (Frame Control). Le bloc `acTL` est placé au début du fichier et contient des informations sur l'animation dans son ensemble, telles que le nombre d'images et le nombre de fois que l'animation doit se répéter. Le bloc `fcTL` précède chaque image et fournit des détails spécifiques à l'image, notamment les dimensions de l'image, sa position et son délai.
L'un des principaux avantages d'APNG est sa rétrocompatibilité avec les visionneuses PNG standard. Un fichier APNG commence par la même signature et les mêmes blocs critiques qu'un fichier PNG ordinaire, ce qui lui permet d'être affiché comme une image statique dans les applications qui ne prennent pas en charge APNG. Cela garantit que les utilisateurs disposant d'anciens navigateurs ou visionneuses d'images peuvent toujours voir la première image de l'animation, maintenant la compatibilité sur une large gamme de plates-formes.
Le processus d'animation dans APNG est basé sur une série d'images, chacune représentée par une image distincte. La première image est généralement une image entièrement rendue, tandis que les images suivantes peuvent être des images complètes ou des images partielles qui ne contiennent que les modifications par rapport à l'image précédente. Cette approche permet un stockage plus efficace et des temps de chargement plus rapides, car les pixels inchangés n'ont pas besoin d'être redessinés pour chaque image.
Pour créer un fichier APNG, un outil d'édition d'image ou un logiciel spécialisé est utilisé pour assembler les images individuelles et générer les blocs nécessaires. Les images sont généralement exportées sous forme de fichiers PNG distincts, puis combinées en un seul fichier APNG à l'aide d'un encodeur APNG. L'encodeur analyse les images, détermine la méthode d'encodage optimale (images complètes ou images partielles) et génère les blocs `acTL` et `fcTL` pour contrôler la lecture de l'animation.
Lorsqu'un fichier APNG est chargé dans une visionneuse compatible, la visionneuse lit le bloc `acTL` pour déterminer les propriétés de l'animation, puis traite les images séquentiellement. Le bloc `fcTL` associé à chaque image fournit les informations nécessaires pour rendre correctement l'image, y compris sa durée et son placement dans le canevas. La visionneuse affiche les images dans l'ordre spécifié, en utilisant les délais pour contrôler la vitesse de l'animation et le comportement de la boucle.
APNG offre plusieurs avantages par rapport aux animations GIF traditionnelles. Il prend en charge les couleurs 24 bits et la transparence 8 bits, ce qui permet des graphiques plus dynamiques et détaillés par rapport à la palette limitée de 256 couleurs du GIF. APNG offre également une meilleure compression, ce qui se traduit par des tailles de fichiers plus petites pour une qualité d'image équivalente. De plus, APNG permet des fréquences d'images variables, permettant un meilleur contrôle du minutage et de la fluidité des animations.
Cependant, APNG présente certaines limites. Bien qu'il soit pris en charge par les principaux navigateurs Web tels que Firefox, Chrome et Safari, il n'est pas aussi largement adopté que GIF. Certains anciens navigateurs et visionneuses d'images peuvent ne pas avoir de prise en charge intégrée pour APNG, obligeant les utilisateurs à installer des extensions ou à utiliser un logiciel alternatif pour visualiser les animations. De plus, la création de fichiers APNG peut être plus complexe que celle de GIF, car elle implique de travailler avec plusieurs images et de comprendre la structure spécifique des blocs.
Malgré ces limitations, APNG a gagné en popularité ces dernières années en raison de sa qualité d'image supérieure, de ses tailles de fichiers plus petites et du support croissant des navigateurs Web et des outils d'édition d'images. Il est devenu un choix privilégié pour la diffusion d'animations de haute qualité sur les sites Web, en particulier pour les animations courtes en boucle qui nécessitent de la transparence et une lecture fluide.
En conclusion, APNG est un format de fichier puissant et polyvalent qui étend les capacités de PNG pour prendre en charge les animations. En tirant parti de la structure PNG existante et en introduisant de nouveaux blocs pour le contrôle de l'animation, APNG offre une alternative plus efficace et visuellement attrayante au GIF. Bien qu'il ne soit peut-être pas aussi largement pris en charge que GIF, l'adoption croissante d'APNG par les navigateurs Web et la demande croissante d'animations de haute qualité en font un outil précieux pour les concepteurs et les développeurs cherchant à créer du contenu attrayant et interactif sur le Web.
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.