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 WBMP (Wireless Bitmap) est un format de fichier graphique monochrome optimisé pour les appareils informatiques mobiles dotés de capacités graphiques et de calcul limitées, tels que les premiers téléphones mobiles et les PDA (assistants numériques personnels). Introduit à la fin des années 1990, il a été conçu pour fournir un moyen efficace de transmettre des informations graphiques sur des réseaux sans fil qui, à l'époque, étaient nettement plus lents et moins fiables que les connexions Internet mobiles actuelles. WBMP fait partie du WAP (Wireless Application Protocol), une suite de protocoles permettant aux appareils mobiles d'accéder au contenu Web.
Une image WBMP est entièrement constituée de pixels noirs et blancs, sans prise en charge des niveaux de gris ou des couleurs. Cette limitation radicale était une décision pratique, reflétant les capacités d'affichage limitées des premiers appareils mobiles et la nécessité de conserver la bande passante. Chaque pixel d'une image WBMP ne peut être que dans l'un des deux états : noir ou blanc. Cette nature binaire simplifie la structure des données de l'image, la rendant plus compacte et plus facile à traiter sur des appareils aux ressources limitées.
Le format WBMP suit une structure relativement simple, ce qui le rend facile à analyser et à restituer sur un large éventail d'appareils. Un fichier WBMP commence par un champ de type, indiquant le type d'image encodée. Pour les fichiers WBMP standard, ce champ de type est défini sur 0, spécifiant une image monochrome de base. Après le champ de type, deux champs d'entiers multi-octets spécifient respectivement la largeur et la hauteur de l'image. Ceux-ci sont encodés à l'aide d'un format de longueur variable, qui utilise la bande passante de manière prudente en ne consommant que le nombre d'octets nécessaire pour représenter les dimensions.
Après la section d'en-tête, le corps d'un fichier WBMP contient les données de pixel. Chaque pixel est représenté par un seul bit : 0 pour le blanc et 1 pour le noir. Pour cette raison, huit pixels peuvent être compressés dans un seul octet, ce qui rend les fichiers WBMP exceptionnellement compacts, surtout par rapport à des formats plus courants comme JPEG ou PNG. Cette efficacité était cruciale pour les appareils et les réseaux de l'ère mobile pour laquelle le WBMP a été conçu, qui avaient souvent des limitations strictes sur le stockage des données et les vitesses de transmission.
L'un des principaux atouts du format WBMP est sa simplicité. L'approche minimaliste du format le rend très efficace pour les types d'images de base de type icône qu'il était généralement utilisé pour transmettre, telles que les logos, les graphiques simples et le texte stylisé. Cette efficacité s'étend au traitement requis pour afficher les images. Étant donné que les fichiers sont petits et que le format est simple, le décodage et le rendu peuvent être effectués rapidement, même sur du matériel doté d'une puissance de calcul très limitée. Cela a fait du WBMP un choix idéal pour les premières générations d'appareils mobiles, qui avaient souvent du mal avec des formats d'image plus complexes ou volumineux.
Malgré ses avantages pour une utilisation dans des environnements contraints, le format WBMP présente des limitations importantes. La plus évidente est sa restriction aux images monochromes, ce qui limite intrinsèquement la portée du contenu graphique qui peut être représenté efficacement. À mesure que les écrans des appareils mobiles ont évolué pour prendre en charge des images en couleur et que les attentes des utilisateurs en matière de contenu multimédia plus riche ont augmenté, le besoin de formats d'image plus polyvalents est devenu évident. De plus, la nature binaire des images WBMP signifie qu'elles n'ont pas les nuances et les détails possibles avec les images en niveaux de gris ou en couleur, ce qui les rend inadaptées aux graphiques ou aux photographies plus détaillés.
Avec l'avancement de la technologie mobile et de l'infrastructure réseau, la pertinence du format WBMP a diminué. Les smartphones modernes sont dotés de processeurs puissants et d'écrans couleur haute résolution, très éloignés des appareils pour lesquels le format WBMP a été conçu à l'origine. De même, les réseaux mobiles actuels offrent des vitesses de transmission de données nettement plus élevées, rendant possible la transmission de formats d'image plus complexes et volumineux comme JPEG ou PNG, même pour le contenu Web en temps réel. Par conséquent, l'utilisation du WBMP a été largement abandonnée au profit de ces formats plus performants.
En outre, le développement de normes et de protocoles Web a également contribué à l'obsolescence du WBMP. La prolifération de HTML5 et CSS3 permet de fournir aux appareils mobiles un contenu Web beaucoup plus sophistiqué, notamment des graphiques vectoriels et des images dans des formats de meilleure qualité et fidélité des couleurs que ce que WBMP pouvait offrir. Grâce à ces technologies, les développeurs Web peuvent créer du contenu interactif richement détaillé qui s'adapte à une large gamme d'appareils et de tailles d'écran, diminuant encore davantage l'aspect pratique de l'utilisation d'un format aussi limité que WBMP.
Malgré son obsolescence, la compréhension du format WBMP offre des informations précieuses sur l'évolution de l'informatique mobile et sur la manière dont les contraintes technologiques façonnent la conception des logiciels et des protocoles. Le format WBMP est un excellent exemple de la façon dont les concepteurs et les ingénieurs ont travaillé dans les limites de leur époque pour créer des solutions fonctionnelles. Sa simplicité et son efficacité reflètent une période où la bande passante, la puissance de traitement et le stockage étaient primordiaux, nécessitant des approches innovantes en matière de compression et d'optimisation des données.
En conclusion, le format d'image WBMP a joué un rôle crucial pendant une période formative dans le développement de l'informatique mobile, offrant une solution pratique pour transmettre et afficher du contenu graphique simple sur les premiers appareils mobiles. Bien qu'il ait été largement remplacé par des formats d'image plus polyvalents et plus performants, il reste une partie importante de l'histoire de la technologie mobile. Il sert de rappel de l'évolution constante de la technologie, s'adaptant aux capacités changeantes et aux besoins des utilisateurs, et illustre l'importance des considérations de conception dans le développement de protocoles et de formats à la fois efficaces et adaptables.
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.