Extraire du texte à partir d'images n'a jamais été aussi accessible grâce à la reconnaissance optique de caractères (OCR).
L'OCR permet de recherches textuelles dans les images, de reproduire des documents sans saisie manuelle et de convertir l'écriture manuscrite en texte numérique.
Mais qu'est-ce que l'OCR exactement ? Comment cela opère-t-il ? À la fin de cet article, vous maîtriserez le processus par lequel les ordinateurs identifient lettres et mots.
Pour comprendre l'extraction de texte d'une image, il faut d'abord saisir la nature des images numériques.
Un pixel est un point de couleur unique. Une image est un ensemble de pixels : plus il y en a, plus la résolution est élevée. L'ordinateur ne perçoit pas un panneau routier comme tel, mais comme une séquence de couleurs de pixels.
Ainsi, texte et arrière-plan sont indistinguables pour l'ordinateur, rendant l'OCR complexe. Voici son fonctionnement étape par étape.
Avant l'extraction, l'image est préparée pour optimiser la précision. Différents logiciels combinent ces techniques :
Binarisation : Convertit chaque pixel en noir ou blanc, séparant texte et fond pour accélérer l'OCR.
Redressement : Corrige les inclinaisons ou rotations en alignant les lignes de texte horizontalement.
Débruitage : Élimine le bruit et lisse l'image pour éviter les interférences.
Suppression des lignes : Retire lignes et marques non textuelles, utile pour tableaux et bordures.
Zonage : Divise l'image en zones de texte, comme pour les colonnes multiples.
L'OCR détermine d'abord la ligne de base par ligne (ou par zone). Chaque ligne est analysée individuellement.
Il identifie les espacements verticaux entre caractères (spaces blancs post-binarisation), délimitant les tokens (blocs de pixels potentiels).
Pour chaque token, deux méthodes principales :
Reconnaissance de formes : Compare pixel par pixel à une base de glyphes connus (lettres, chiffres, symboles). Rapide et précis pour polices standard, mais sensible à la taille et au style.
Extraction de caractéristiques : Applique des règles descriptives (ex. : deux verticales reliées par une horizontale = "H"). Plus flexible pour variations, écriture manuscrite, mais complexe à implémenter.
Après reconnaissance, des affinages corrigent les erreurs :
Restriction lexicale : Vérifie les mots contre un dictionnaire et suggère les plus proches.
Optimisations sectorielles : Adaptées aux domaines (médical, juridique) pour formules ou termes spécifiques.
Traitement du langage naturel : Utilise des modèles probabilistes pour corriger phrases, comme la prédiction de clavier.
Résultat : un texte hautement lisible.
La qualité OCR dépend de l'implémentation. OneNote excelle en prise de notes (supérieur à Evernote). Pour du premium, OmniPage. Voir notre comparaison OneNote vs OmniPage. Pour mobile, apps Android OCR dédiées.
Comment utilisez-vous l'OCR ? Quels outils préférez-vous ? Dites-le en commentaires !
[]