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 format d'image JPEG XL (JXL) est une norme de codage d'image de nouvelle génération qui vise à surpasser les capacités des formats existants tels que JPEG, PNG et GIF en offrant une efficacité de compression, une qualité et des fonctionnalités supérieures. Il est le résultat d'un effort collaboratif du comité Joint Photographic Experts Group (JPEG), qui a joué un rôle déterminant dans le développement de normes de compression d'image. JPEG XL est conçu pour être un format d'image universel pouvant gérer un large éventail de cas d'utilisation, de la photographie professionnelle aux graphiques Web.
L'un des principaux objectifs de JPEG XL est de fournir une compression d'image de haute qualité pouvant réduire considérablement la taille des fichiers sans compromettre la qualité visuelle. Ceci est réalisé grâce à une combinaison de techniques de compression avancées et d'un cadre de codage moderne. Le format utilise une approche modulaire, lui permettant d'intégrer diverses opérations de traitement d'image telles que les conversions d'espace colorimétrique, le mappage de tons et le redimensionnement réactif directement dans le pipeline de compression.
JPEG XL est construit sur la base de deux codecs d'image précédents : PIK de Google et FUIF (Free Universal Image Format) de Cloudinary. Ces codecs ont introduit plusieurs innovations dans la compression d'image, qui ont été affinées et intégrées à JPEG XL. Le format est conçu pour être libre de droits, ce qui en fait une option attrayante pour les développeurs de logiciels et les créateurs de contenu qui ont besoin d'une solution rentable pour le stockage et la distribution d'images.
Au cœur de l'efficacité de compression de JPEG XL se trouve l'utilisation d'une technique moderne de codage d'entropie appelée systèmes numériques asymétriques (ANS). ANS est une forme de codage arithmétique qui fournit des taux de compression quasi optimaux en codant efficacement la distribution statistique des données d'image. Cela permet à JPEG XL d'obtenir une meilleure compression que les méthodes traditionnelles comme le codage Huffman, qui est utilisé dans le format JPEG d'origine.
JPEG XL introduit également un nouvel espace colorimétrique appelé XYB (eXtra Y, Bleu-jaune), qui est conçu pour mieux s'aligner sur la perception visuelle humaine. L'espace colorimétrique XYB permet une compression plus efficace en donnant la priorité aux composants d'une image qui sont plus importants pour l'œil humain. Il en résulte des images qui ont non seulement des tailles de fichier plus petites, mais présentent également moins d'artefacts de compression, en particulier dans les zones présentant de subtiles variations de couleur.
Une autre caractéristique clé de JPEG XL est sa prise en charge des images à plage dynamique élevée (HDR) et à large gamme de couleurs (WCG). À mesure que les technologies d'affichage évoluent, la demande pour des formats d'image capables de gérer la plage étendue de luminosité et de couleur que ces nouveaux écrans peuvent produire augmente. La prise en charge native de JPEG XL pour HDR et WCG garantit que les images sont éclatantes et fidèles à la réalité sur les derniers écrans, sans avoir besoin de métadonnées supplémentaires ou de fichiers sidecar.
JPEG XL est également conçu avec le décodage progressif à l'esprit. Cela signifie qu'une image peut être affichée à une qualité inférieure pendant qu'elle est encore en cours de téléchargement, et la qualité peut s'améliorer progressivement à mesure que davantage de données deviennent disponibles. Cette fonctionnalité est particulièrement utile pour la navigation sur le Web, où les utilisateurs peuvent avoir des vitesses Internet variables. Elle permet une meilleure expérience utilisateur en fournissant un aperçu de l'image sans avoir à attendre que l'intégralité du fichier soit téléchargée.
En termes de rétrocompatibilité, JPEG XL offre une fonctionnalité unique appelée « recompression JPEG ». Cela permet aux images JPEG existantes d'être recomprimées au format JPEG XL sans aucune perte de qualité supplémentaire. Les images recomprimées sont non seulement plus petites, mais conservent également toutes les données JPEG d'origine, ce qui signifie qu'elles peuvent être reconverties au format JPEG d'origine si nécessaire. Cela fait de JPEG XL une option attrayante pour archiver de grandes collections d'images JPEG, car il peut réduire considérablement les besoins de stockage tout en préservant la possibilité de revenir aux fichiers d'origine.
JPEG XL répond également au besoin d'images réactives sur le Web. Grâce à sa capacité à stocker plusieurs résolutions d'une image dans un seul fichier, les développeurs Web peuvent fournir la taille d'image la plus appropriée en fonction de l'appareil et de la résolution d'écran de l'utilisateur. Cela élimine le besoin de fichiers image distincts pour différentes résolutions et simplifie le processus de création de conceptions Web réactives.
Pour les photographes professionnels et les graphistes, JPEG XL prend en charge la compression sans perte, ce qui garantit que chaque bit des données d'image d'origine est préservé. Ceci est crucial pour les applications où l'intégrité de l'image est primordiale, comme dans l'imagerie médicale, les archives numériques et l'édition de photos professionnelles. Le mode sans perte de JPEG XL est également très efficace, ce qui se traduit souvent par des tailles de fichier plus petites par rapport à d'autres formats sans perte comme PNG ou TIFF.
L'ensemble des fonctionnalités de JPEG XL s'étend pour inclure la prise en charge de l'animation, similaire aux formats GIF et WebP, mais avec une bien meilleure compression et qualité. Cela en fait un remplaçant approprié pour les GIF sur le Web, fournissant des animations plus fluides avec une palette de couleurs plus large et sans les limitations de la restriction de 256 couleurs du GIF.
Le format inclut également une prise en charge robuste des métadonnées, notamment les profils EXIF, XMP et ICC, garantissant que les informations importantes sur l'image sont préservées pendant la compression. Ces métadonnées peuvent inclure des détails tels que les paramètres de l'appareil photo, les informations sur les droits d'auteur et les données de gestion des couleurs, qui sont essentielles à la fois pour une utilisation professionnelle et pour la préservation du patrimoine numérique.
La sécurité et la confidentialité sont également prises en compte dans la conception de JPEG XL. Le format ne permet pas l'inclusion de code exécutable, ce qui réduit le risque de vulnérabilités de sécurité pouvant être exploitées via des images. De plus, JPEG XL prend en charge la suppression des métadonnées sensibles, ce qui peut aider à protéger la confidentialité des utilisateurs lors du partage d'images en ligne.
JPEG XL est conçu pour être à l'épreuve du temps, avec un format de conteneur flexible qui peut être étendu pour prendre en charge de nouvelles fonctionnalités et technologies à mesure qu'elles émergent. Cela garantit que le format peut s'adapter aux exigences changeantes et continuer à servir de format d'image universel pendant de nombreuses années.
En termes d'adoption, JPEG XL est encore à ses débuts, avec des efforts continus pour intégrer la prise en charge dans les navigateurs Web, les systèmes d'exploitation et les logiciels d'édition d'images. À mesure que davantage de plates-formes adoptent le format, il devrait gagner du terrain en tant que remplaçant des anciens formats d'image, offrant une combinaison d'efficacité, de qualité et de fonctionnalités améliorées.
En conclusion, JPEG XL représente une avancée significative dans la technologie de compression d'image. Sa combinaison d'efficacité de compression élevée, de prise en charge des fonctionnalités d'imagerie modernes et de rétrocompatibilité le positionne comme un candidat solide pour devenir la nouvelle norme pour le stockage et la transmission d'images. À mesure que le format gagne en adoption, il a le potentiel de transformer la façon dont nous créons, partageons et consommons des images numériques, les rendant plus accessibles et agréables pour tous.
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.