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 PNG24, également connu sous le nom de PNG Truecolor, est un format sans perte largement utilisé pour stocker des images. Défini dans le cadre de la spécification Portable Network Graphics (PNG), il a gagné en popularité en raison de sa capacité à afficher des images avec une grande profondeur de couleur sans sacrifier la qualité lors de la compression. Contrairement à ses homologues tels que JPEG, qui utilisent des techniques de compression avec perte entraînant une dégradation de la qualité lors de l'enregistrement, PNG24 maintient la qualité d'image d'origine, quel que soit le nombre de fois où le fichier est enregistré ou compressé.
Le format PNG24 tire son nom de sa capacité à stocker 24 bits d'informations de couleur par pixel. Cela est rendu possible en allouant 8 bits ou un octet pour chacune des trois couleurs primaires : rouge, vert et bleu (RVB). Cette configuration permet une large gamme de représentation des couleurs, permettant spécifiquement l'affichage de jusqu'à 16,7 millions de couleurs différentes. Une gamme de couleurs aussi large fait du PNG24 un choix idéal pour les images de haute qualité, notamment les photographies, l'art numérique et les graphiques avec des dégradés.
L'une des caractéristiques déterminantes du PNG24 est son algorithme de compression sans perte. PNG utilise une méthode connue sous le nom de DEFLATE, une combinaison de l'algorithme LZ77 et du codage de Huffman. Cette méthode réduit efficacement la taille des fichiers sans aucune perte de qualité d'image, ce qui la rend très efficace pour le partage et le stockage d'images en ligne. La compression ne supprime aucune donnée ; au lieu de cela, elle identifie les motifs et les structures répétitifs dans les données d'image et encode ces informations de manière plus compacte.
La transparence est une autre caractéristique importante du format PNG24. Contrairement au GIF, qui ne peut prendre en charge qu'un seul niveau de transparence (activé ou désactivé), le PNG24 prend en charge 256 niveaux de transparence via son canal alpha. Chaque pixel d'une image PNG24 peut avoir un niveau de transparence individuel allant de complètement opaque à complètement transparent. Cette fonctionnalité est particulièrement utile pour superposer des images sur différents arrière-plans, créer des bords doux et créer des interfaces graphiques complexes sans avoir besoin de masquage supplémentaire dans l'image.
Les images PNG24 prennent également en charge une fonctionnalité connue sous le nom de correction gamma. Cela permet aux images de maintenir une luminosité et une coloration constantes sur différents périphériques d'affichage. La correction gamma fonctionne en ajustant la luminance de l'image en fonction d'une valeur gamma prédéfinie, ce qui aide à compenser les différentes réponses gamma des différents moniteurs. Cela garantit qu'une image éditée sur un moniteur apparaîtra de manière similaire lorsqu'elle sera affichée sur un autre écran, un aspect essentiel pour les photographes et les graphistes.
L'entrelacement est une fonctionnalité facultative dans PNG24 qui permet d'afficher une image progressivement dans les navigateurs Web. Ceci est particulièrement utile pour les connexions Internet lentes où les utilisateurs peuvent voir une version basse résolution de l'image pendant qu'elle est encore en cours de chargement, améliorant ainsi l'expérience utilisateur. PNG utilise l'algorithme Adam7, un schéma d'entrelacement à sept passes, qui augmente progressivement les détails de l'image à chaque passe. Cela contraste avec le format non entrelacé, où l'image apparaît ligne par ligne de haut en bas.
En termes d'implémentation et de prise en charge, PNG24 est bien pris en charge par les navigateurs Web modernes, les logiciels de retouche d'image et divers systèmes d'exploitation. Cette prise en charge généralisée est en partie due au standard ouvert du format, qui a été développé comme une alternative sans brevet au GIF. La spécification PNG, y compris PNG24, est maintenue par le World Wide Web Consortium (W3C), garantissant son évolution continue et sa compatibilité avec les standards Web.
Malgré ses nombreux avantages, le format PNG24 n'est pas sans inconvénients. L'un des principaux problèmes est la taille du fichier ; en raison de sa compression sans perte et de sa profondeur de couleur élevée, les fichiers PNG24 sont généralement plus volumineux que leurs homologues JPEG. Cette taille de fichier plus importante peut entraîner des temps de chargement plus longs pour les sites Web et utiliser davantage de bande passante. Par conséquent, pour une utilisation sur le Web, il est crucial d'équilibrer le besoin de qualité par rapport au besoin de vitesse, et dans certains cas, des formats avec compression avec perte comme JPEG peuvent être plus appropriés.
De plus, alors que la large gamme de couleurs du PNG24 est bénéfique pour les images de haute qualité, elle peut être inutile pour des graphiques plus simples avec des couleurs limitées. Dans de tels cas, des formats avec une profondeur de couleur inférieure comme PNG8, qui prend en charge 256 couleurs, peuvent être plus appropriés. Choisir le format approprié en fonction du contenu de l'image peut réduire considérablement la taille des fichiers sans compromettre la qualité visuelle pour l'utilisation prévue.
En plus du format PNG24 standard, il existe également une variante connue sous le nom de PNG32. La différence réside dans l'ajout d'un canal alpha 8 bits aux 24 bits existants pour le rouge, le vert et le bleu, ce qui donne un total de 32 bits par pixel. Cette incorporation du canal alpha directement dans le format permet un contrôle encore plus grand de la transparence, rendant PNG32 préférable pour les images nécessitant des effets de transparence sophistiqués.
La création et la manipulation de fichiers PNG24 peuvent être réalisées à l'aide de divers outils et applications logicielles. La plupart des logiciels de retouche d'image, tels qu'Adobe Photoshop, GIMP et autres, offrent une prise en charge de PNG24, permettant aux utilisateurs d'enregistrer leur travail dans ce format directement. De plus, divers outils en ligne et hors ligne sont disponibles pour optimiser les fichiers PNG24 pour une utilisation sur le Web, en compressant davantage les fichiers sans perte de qualité. Ces outils appliquent souvent des stratégies plus agressives pour réduire la taille des fichiers, telles que la réduction de la palette de couleurs au minimum nécessaire ou l'ajustement des paramètres de compression.
Compte tenu des spécificités techniques, le processus d'encodage du PNG24 implique plusieurs étapes, notamment le filtrage, qui vise à améliorer l'efficacité de la compression. Avant la compression réelle, l'encodeur peut appliquer l'une des cinq méthodes de filtrage à chaque ligne d'image pour transformer les données d'image en une forme plus compressible. Cette étape de prétraitement peut affecter considérablement la taille finale du fichier, et le choix de la bonne méthode de filtrage en fonction des caractéristiques de l'image peut conduire à une compression plus efficace.
Un autre aspect important des fichiers PNG24 est leur structure basée sur des blocs. Un fichier PNG se compose de plusieurs blocs, chacun ayant un objectif différent, comme le stockage des données d'image, des métadonnées, des profils de couleur, etc. Cette approche modulaire facilite non seulement le traitement et le rendu efficaces des images, mais permet également l'inclusion d'informations supplémentaires sans perturber la structure de données existante. Par exemple, il est possible d'intégrer des informations de copyright et de licence directement dans le fichier, améliorant ainsi la protection et la gestion des actifs numériques.
L'accessibilité et l'internationalisation sont également prises en compte dans les fichiers PNG24. Les informations textuelles, telles que les descriptions et les annotations, peuvent être stockées dans plusieurs langues dans les blocs de texte du fichier. Cette fonctionnalité rend PNG24 adapté à la distribution mondiale en permettant aux créateurs d'inclure des informations et des métadonnées localisées, rendant ainsi les images plus accessibles et compréhensibles pour divers publics.
En conclusion, le format d'image PNG24 est une option robuste et polyvalente pour stocker et partager des images de haute qualité. Sa compatibilité avec une large gamme de couleurs, sa prise en charge de la transparence et sa compression sans perte en font un choix attrayant pour les médias Web et imprimés. Cependant, sa taille de fichier relativement importante et le potentiel de surcharge dans les graphiques simples soulignent l'importance de sélectionner le format approprié en fonction des besoins spécifiques d'un projet. Alors que la technologie et les standards Web continuent d'évoluer, PNG24 reste un acteur essentiel dans le domaine de l'imagerie numérique, prisé pour sa flexibilité et sa qualité.
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.