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 Photo CD (PCD) est un type de format d'image numérique développé par Eastman Kodak au début des années 1990. L'objectif principal du format PCD était de permettre aux utilisateurs de stocker des photographies numériques haute résolution sur un CD, qui pouvaient ensuite être visualisées sur un ordinateur ou une télévision à l'aide d'un lecteur Photo CD dédié. Le format PCD faisait partie de la stratégie plus large de Kodak visant à combler le fossé entre la photographie argentique traditionnelle et le marché émergent de la photographie numérique. Il a été conçu pour offrir aux photographes et aux consommateurs un moyen pratique de numériser et d'archiver leurs images argentiques avec une grande fidélité.
L'une des principales caractéristiques du format PCD est son utilisation d'une structure de résolution multi-échelle, qui permet à un seul fichier PCD de contenir plusieurs résolutions de la même image. Cette structure est basée sur une technique de compression d'image propriétaire développée par Kodak, appelée PhotoYCC. L'espace colorimétrique PhotoYCC est similaire à l'espace colorimétrique YCbCr utilisé dans la compression vidéo, où Y représente la composante de luminance, et Cb et Cr représentent les composantes de chrominance. Cet espace colorimétrique est particulièrement adapté aux images photographiques car il sépare les informations de luminosité des informations de couleur, ce qui correspond bien à la façon dont le système visuel humain traite les images.
La structure de résolution multi-échelle des fichiers PCD comprend cinq niveaux de résolution différents, allant d'une résolution de base/aperçu de 192x128 pixels à une résolution maximale de 3072x2048 pixels. Ces résolutions sont appelées Base/16, Base/4, Base, 4Base et 16Base, la résolution de base étant de 768x512 pixels. Cela permet diverses utilisations, des aperçus miniatures aux impressions de haute qualité. Les différentes résolutions sont stockées dans un format hiérarchique, permettant aux logiciels et au matériel d'accéder rapidement au niveau de résolution approprié pour une tâche donnée sans avoir à traiter l'intégralité du fichier image.
Les fichiers PCD sont généralement créés à l'aide d'un système Kodak Photo CD, qui implique la numérisation de négatifs ou de diapositives argentiques à l'aide d'un scanner haute résolution, puis l'écriture des images numériques sur un CD au format PCD. Le processus de numérisation est soigneusement calibré pour assurer une reproduction précise des couleurs et pour capturer la plage dynamique complète du film. Les fichiers PCD résultants sont destinés à être une archive numérique des images argentiques, avec la possibilité de produire des impressions de haute qualité et d'être facilement partagés et visualisés sur divers appareils.
Le format PCD intègre également un certain nombre de champs de métadonnées qui stockent des informations sur l'image et le processus de numérisation. Ces métadonnées peuvent inclure la date et l'heure de capture de l'image, le type de film utilisé, les paramètres du scanner et d'autres détails pertinents. Ces informations peuvent être précieuses à des fins d'archivage, ainsi que pour les photographes qui souhaitent suivre les aspects techniques de leurs images.
Malgré ses fonctionnalités avancées et la haute qualité d'image qu'il offrait, le format PCD a été confronté à plusieurs défis qui ont limité son adoption généralisée. L'un des principaux défis était la nature propriétaire du format, ce qui signifiait qu'il ne pouvait être pleinement utilisé qu'avec les logiciels et le matériel Kodak. Cette compatibilité limitée avec les logiciels et les appareils tiers le rendait moins attrayant pour les consommateurs et les professionnels qui utilisaient déjà d'autres formats d'image et logiciels d'édition.
Un autre défi pour le format PCD était l'évolution rapide de la technologie des appareils photo numériques et la disponibilité croissante d'appareils photo numériques abordables. À mesure que les appareils photo numériques devenaient plus performants et offraient des résolutions plus élevées, la nécessité de numériser des images argentiques est devenue moins critique pour de nombreux utilisateurs. De plus, l'émergence d'autres formats d'image numérique, tels que JPEG et TIFF, qui étaient plus ouverts et largement pris en charge, offrait aux utilisateurs des options plus flexibles et accessibles pour stocker et partager des images numériques.
Malgré ces défis, le format PCD a été utilisé par certains photographes professionnels et passionnés qui appréciaient la haute qualité d'image et la possibilité de numériser des films avec un haut degré de fidélité. Pendant un certain temps, il a également été utilisé par des laboratoires photo et des prestataires de services qui proposaient des services de numérisation et d'archivage de films. Cependant, à mesure que le marché de la photographie numérique continuait de croître et d'évoluer, l'utilisation du format PCD a progressivement diminué.
D'un point de vue technique, le format PCD se distingue par son utilisation de l'espace colorimétrique PhotoYCC susmentionné et de sa structure de résolution multi-échelle. Le format utilise un algorithme de compression avec perte pour réduire la taille du fichier tout en maintenant un haut niveau de qualité d'image. La compression est appliquée de manière à tirer parti des caractéristiques du système visuel humain, en mettant l'accent sur la préservation des détails de luminance par rapport aux détails de chrominance, qui sont moins perceptibles par l'œil humain.
La structure du fichier PCD est composée de plusieurs sections différentes, notamment un en-tête, des répertoires d'images pour chaque niveau de résolution et les données d'image elles-mêmes. L'en-tête contient des informations sur la version du format de fichier et le nombre d'images stockées sur le CD. Chaque répertoire d'images contient des métadonnées sur l'image, ainsi que des pointeurs vers l'emplacement des données d'image pour ce niveau de résolution dans le fichier.
Les données d'image dans un fichier PCD sont stockées dans un format en mosaïque, l'image étant divisée en petites sections rectangulaires appelées tuiles. Chaque tuile est compressée indépendamment, ce qui permet un accès et une manipulation plus efficaces des données. Ce système de tuilage facilite également le stockage hiérarchique de différents niveaux de résolution, car les images de résolution inférieure peuvent être construites en combinant et en sous-échantillonnant les tuiles des niveaux de résolution supérieure.
Pour visualiser ou modifier des fichiers PCD, les utilisateurs ont généralement besoin d'un logiciel spécialisé capable de lire le format PCD et de gérer sa structure de résolution multi-échelle. Kodak fournissait son propre logiciel à cet effet, mais il existait également des solutions logicielles tierces offrant divers degrés de prise en charge des fichiers PCD. Certains logiciels d'édition d'images modernes incluent toujours la prise en charge du format PCD, bien qu'elle soit moins courante que la prise en charge de formats plus largement utilisés comme JPEG et TIFF.
En termes de taille de fichier, les fichiers PCD peuvent être assez volumineux, en particulier aux niveaux de résolution les plus élevés. En effet, le format est conçu pour préserver la qualité de l'image argentique originale, ce qui nécessite une quantité importante de données. Cependant, l'algorithme de compression utilisé dans les fichiers PCD contribue à atténuer dans une certaine mesure la taille du fichier, ce qui rend le stockage et le transfert des images plus faciles à gérer.
Le format PCD prend également en charge une fonctionnalité appelée « Photo CD Portfolio », qui permet aux utilisateurs d'organiser et de gérer leurs images sur un CD de manière structurée. Cette fonctionnalité inclut la possibilité de créer des albums, de catégoriser des images et d'ajouter du texte descriptif à chaque image. La fonctionnalité Portfolio visait à faciliter la navigation et l'appréciation des collections de photos numériques par les utilisateurs.
En conclusion, le format d'image PCD était une solution innovante pour numériser et archiver des photographies argentiques pendant la période de transition de la photographie analogique à la photographie numérique. Sa structure de résolution multi-échelle, son utilisation de l'espace colorimétrique PhotoYCC et sa haute qualité d'image en ont fait un outil précieux pour les professionnels et les passionnés qui avaient besoin de copies numériques haute fidélité de leurs images argentiques. Cependant, la nature propriétaire du format, ainsi que les progrès rapides de la technologie des appareils photo numériques et l'essor de formats d'image numérique plus flexibles, ont finalement conduit au déclin du format PCD. Aujourd'hui, il fait toujours partie de l'histoire de la photographie numérique, et ses aspects techniques continuent d'intéresser ceux qui étudient l'évolution du stockage et de la compression des images numériques.
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.