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.
PNG, qui signifie Portable Network Graphics, est un format de fichier graphique matriciel qui prend en charge la compression de données sans perte. Développé comme un remplacement amélioré et non breveté du Graphics Interchange Format (GIF), PNG a été conçu pour transférer des images sur Internet, non seulement pour des graphiques de qualité professionnelle, mais aussi pour des photographies et d'autres types d'images numériques. L'une des caractéristiques les plus remarquables de PNG est sa prise en charge de la transparence dans les applications basées sur un navigateur, ce qui en fait un format crucial dans la conception et le développement Web.
La création de PNG remonte à 1995, suite aux problèmes de brevet entourant la technique de compression utilisée au format GIF. Un appel à la création d'un nouveau format graphique a été lancé sur le groupe de discussion comp.graphics, conduisant au développement de PNG. Les principaux objectifs de ce nouveau format étaient d'améliorer et de surmonter les limites du GIF. Parmi ses objectifs figuraient la prise en charge d'images avec plus de 256 couleurs, l'inclusion d'un canal alpha pour la transparence, la fourniture d'options d'entrelacement et la garantie que le format était libre de brevet et adapté au développement open source.
Les fichiers PNG excellent dans la qualité de préservation des images, prenant en charge une gamme de profondeurs de couleur, du noir et blanc 1 bit au 16 bits par canal pour le rouge, le vert et le bleu (RVB). Cette large gamme de prise en charge des couleurs rend PNG adapté au stockage de dessins au trait, de texte et de graphiques emblématiques dans une petite taille de fichier. De plus, la prise en charge d'un canal alpha par PNG permet différents degrés de transparence, permettant de rendre avec précision des effets complexes tels que des ombres, des lueurs et des objets semi-transparents dans des images numériques.
L'une des caractéristiques remarquables de PNG est son algorithme de compression sans perte, défini à l'aide de la méthode DEFLATE. Cet algorithme est conçu pour réduire la taille du fichier sans sacrifier la qualité de l'image. L'efficacité de la compression varie en fonction du type de données compressées ; il est particulièrement efficace pour les images avec de grandes zones de couleur uniforme ou des motifs répétés. Malgré la nature sans perte de la compression, il est important de noter que PNG peut ne pas toujours produire la plus petite taille de fichier possible par rapport à des formats comme JPEG, en particulier pour les photographies complexes.
La structure d'un fichier PNG est basée sur des blocs, où chaque bloc représente un certain type de données ou de métadonnées sur l'image. Il existe quatre principaux types de blocs dans un fichier PNG : IHDR (en-tête d'image), qui contient des informations de base sur l'image ; PLTE (palette), qui répertorie toutes les couleurs utilisées dans les images en couleurs indexées ; IDAT (données d'image), qui contient les données d'image réelles compressées avec l'algorithme DEFLATE ; et IEND (bande-annonce d'image), qui marque la fin du fichier PNG. Des blocs auxiliaires supplémentaires peuvent fournir plus de détails sur l'image, tels que des annotations de texte et des valeurs gamma.
PNG intègre également plusieurs fonctionnalités visant à améliorer l'affichage et le transfert d'images sur Internet. L'entrelacement, en particulier en utilisant l'algorithme Adam7, permet de charger une image progressivement, ce qui peut être particulièrement utile lors de la visualisation d'images sur des connexions Internet plus lentes. Cette technique affiche d'abord une version de mauvaise qualité de l'image entière, qui augmente progressivement en qualité à mesure que davantage de données sont téléchargées. Cette fonctionnalité améliore non seulement l'expérience utilisateur, mais offre également un avantage pratique pour l'utilisation du Web.
La transparence dans les fichiers PNG est gérée de manière plus sophistiquée que dans GIF. Alors que GIF prend en charge une transparence binaire simple (un pixel est soit entièrement transparent, soit entièrement opaque), PNG introduit le concept de transparence alpha. Cela permet aux pixels d'avoir différents niveaux de transparence, de complètement opaque à complètement transparent, permettant un mélange et des transitions plus fluides entre l'image et l'arrière-plan. Cette fonctionnalité est particulièrement importante pour les concepteurs Web qui doivent superposer des images sur des arrière-plans de différentes couleurs et motifs.
Malgré ses nombreux avantages, PNG présente certaines limites. Par exemple, ce n'est pas le meilleur choix pour stocker des photographies numériques en termes d'efficacité de la taille du fichier. Bien que la compression sans perte de PNG garantisse aucune perte de qualité, elle peut entraîner des tailles de fichier plus importantes par rapport aux formats avec perte comme JPEG, qui sont spécialement conçus pour compresser des photographies. Cela rend PNG moins adapté aux applications où la bande passante ou la capacité de stockage est limitée. De plus, PNG ne prend pas en charge nativement les images animées, une fonctionnalité offerte par des formats tels que GIF et WebP.
Des techniques d'optimisation peuvent être appliquées aux fichiers PNG pour réduire leur taille de fichier pour une utilisation sur le Web sans compromettre la qualité de l'image. Des outils tels que PNGCRUSH et OptiPNG utilisent diverses stratégies, notamment le choix des paramètres de compression les plus efficaces et la réduction de la profondeur de couleur au niveau le plus approprié pour l'image. Ces outils peuvent réduire considérablement la taille des fichiers PNG, les rendant plus efficaces pour une utilisation sur le Web, où les temps de chargement et l'utilisation de la bande passante sont des préoccupations essentielles.
De plus, l'inclusion d'informations de correction gamma dans les fichiers PNG garantit que les images sont affichées de manière plus cohérente sur différents appareils. La correction gamma permet d'ajuster les niveaux de luminosité d'une image en fonction des caractéristiques de l'écran. Cette fonctionnalité est particulièrement précieuse dans le contexte des graphiques Web, où les images peuvent être visualisées sur une grande variété d'appareils avec des propriétés d'affichage différentes.
Le statut juridique de PNG a contribué à sa large acceptation et à son adoption. Étant exempt de brevets, PNG évite les complexités juridiques et les frais de licence associés à certains autres formats d'image. Cela l'a rendu particulièrement attrayant pour les projets et applications open source où le coût et la liberté juridique sont des considérations importantes. Le format est pris en charge par une large gamme de logiciels, notamment des navigateurs Web, des programmes d'édition d'images et des systèmes d'exploitation, facilitant son intégration dans divers flux de travail numériques.
L'accessibilité et la compatibilité sont également des atouts clés du format PNG. Grâce à sa prise en charge des couleurs allant du monochrome au vrai couleur avec transparence alpha, les fichiers PNG peuvent être utilisés dans une grande variété d'applications, des simples graphiques Web aux supports d'impression de haute qualité. Son interopérabilité sur différentes plates-formes et logiciels garantit que les images enregistrées au format PNG peuvent être facilement partagées et visualisées sans se soucier des problèmes de compatibilité.
Les avancées techniques et les contributions de la communauté continuent d'améliorer le format PNG. Des innovations telles qu'APNG (Animated Portable Network Graphics) introduisent la prise en charge de l'animation tout en maintenant la compatibilité descendante avec les visionneuses PNG standard. Cette évolution reflète l'adaptabilité du format et les efforts de la communauté active pour étendre ses capacités en réponse aux besoins des utilisateurs. De tels développements assurent la pertinence continue de PNG dans un paysage numérique en évolution rapide.
En conclusion, le format d'image PNG est devenu un incontournable du partage et du stockage d'images numériques, trouvant un équilibre entre la préservation de la qualité et l'efficacité de la taille du fichier. Sa capacité à prendre en charge des profondeurs de couleur élevées, la transparence alpha et la compression sans perte en fait un choix polyvalent pour une large gamme d'applications, de la conception Web au stockage d'archives. Bien qu'il ne soit peut-être pas le choix optimal pour toutes les situations, ses atouts en termes de qualité, de compatibilité et de liberté juridique en font un atout précieux dans le monde de l'imagerie numérique.
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.