| Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente |
| tesseract-ocr [Le 12/09/2020, 14:18] – [Utilisation] 78.203.12.33 | tesseract-ocr [Le 22/12/2025, 17:48] (Version actuelle) – L'Africain |
|---|
| {{tag>Xenial Trusty ocr bureautique}} | {{tag>Noble ocr bureautique}} |
| |
| ---- | ---- |
| ===== Installation ===== | ===== Installation ===== |
| [[:tutoriel:comment_installer_un_paquet|Installez les paquets]] **[[apt>tesseract-ocr]]** et pour reconnaître la langue française, **[[apt>tesseract-ocr-fra]]**. \\ | [[:tutoriel:comment_installer_un_paquet|Installez les paquets]] **[[apt>tesseract-ocr]]** et pour reconnaître la langue française, **[[apt>tesseract-ocr-fra]]**. \\ |
| Il existe d'autres fichiers de langues, comme par exemple : | Il existe d'autres fichiers de langues, comme par exemple : |
| * **[[apt>tesseract-ocr-deu]]** (allemand), | * **[[apt>tesseract-ocr-deu]]** (allemand), |
| * **[[apt>tesseract-ocr-eng]]** (anglais), | * **[[apt>tesseract-ocr-eng]]** (anglais), |
| * **[[apt>tesseract-ocr-spa]]** (espagnol), | * **[[apt>tesseract-ocr-spa]]** (espagnol), |
| * **[[apt>tesseract-ocr-nld]]** (hollandais), | * **[[apt>tesseract-ocr-nld]]** (hollandais), |
| * **[[apt>tesseract-ocr-ita]]** (italien), | * **[[apt>tesseract-ocr-ita]]** (italien), |
| * **[[apt>tesseract-ocr-por]]** (portugais-brésilien), | * **[[apt>tesseract-ocr-por]]** (portugais-brésilien), |
| * **[[apt>tesseract-ocr-vie]]** (vietmamien), | * **[[apt>tesseract-ocr-vie]]** (vietmamien), |
| * **[[apt>tesseract-ocr-deu-f]]** (vieil-allemand). | * **[[apt>tesseract-ocr-deu-f]]** (vieil-allemand). |
| |
| ===== Utilisation ===== | ===== Utilisation ===== |
| <note important>les scanners numérisent souvent avec une résolution suffisante pour la lecture à l'écran mais insuffisante pour une reconnaissance efficace. | <note important>les scanners numérisent souvent avec une résolution suffisante pour la lecture à l'écran mais insuffisante pour une reconnaissance efficace. |
| |
| Il faut donc numériser au moins à **300 voire 600 ppp** (Point Par Pouce ou DPI) | Il faut donc numériser au moins à **300 voire 600 ppp** (Point Par Pouce ou DPI) |
| |
| Quant au type de fichier, le format [[wpfr>Tagged_Image_File_Format|tiff]] est mieux reconnu, ainsi un document tiff en 300ppp est intégralement reconnu alors qu'au format JPEG, toujours en 300ppp, seules les lettres majuscules sont reconnues</note> | Quant au type de fichier, le format [[wpfr>Tagged_Image_File_Format|tiff]] est mieux reconnu, ainsi un document tiff en 300ppp est intégralement reconnu alors qu'au format JPEG, toujours en 300ppp, seules les lettres majuscules sont reconnues</note> |
| |
| Les fichiers de langues se trouve à cette emplacement : | Les fichiers de langues se trouve à cette emplacement : |
| usrlocal/share/tesseract-ocr/4.00/tessdata | usr/local/share/tesseract-ocr/4.00/tessdata |
| |
| ==== En ligne de commande ==== | ==== En ligne de commande ==== |
| |
| <note tip>Pour réaliser de la Reconnaissance optique de caractères : | <note tip>Pour réaliser de la Reconnaissance optique de caractères : |
| * sur un document déjà numérisé, on utilise [[gscan2pdf|gscan2pdf]]. | * sur un document déjà numérisé, on utilise [[gscan2pdf|gscan2pdf]]. |
| * sur un document à numériser, on utilise plutôt [[xsane|XSane]], dont la fonction de prévisualisation permet de sélectionner des zones de texte. | * sur un document à numériser, on utilise plutôt [[xsane|XSane]], dont la fonction de prévisualisation permet de sélectionner des zones de texte. |
| |
| * [[https://github.com/tesseract-ocr/tesseract/wiki|Site officiel]] | * [[https://github.com/tesseract-ocr/tesseract/wiki|Site officiel]] |
| * [[http://www.repairfaq.org/filipg/gnu/tesseract/html-102_03/|Documentation pour contribuer au code (en anglais)]] | * [[http://www.repairfaq.org/filipg/gnu/tesseract/html-102_03/|Documentation pour contribuer au code (en anglais)]] |
| * [[http://forum.ubuntu-fr.org/viewtopic.php?id=78804|le fil de discussion du forum]] Open Office, Reconnaissance de caractères, Xsane, Kooka et Cie... | * [[https://forum.ubuntu-fr.org/viewtopic.php?id=78804|le fil de discussion du forum]] Open Office, Reconnaissance de caractères, Xsane, Kooka et Cie... |
| * [[https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract|La page où on parle de l'apprentissage avec tesseract (anglais)]] | * [[https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract|La page où on parle de l'apprentissage avec tesseract (anglais)]] |
| * [[:ocr|La page de la documentation francophone Ubuntu sur la reconnaissance optique de caractères]] | * [[:ocr|La page de la documentation francophone Ubuntu sur la reconnaissance optique de caractères]] |
| * [[https://gist.github.com/stesie/42dff3d14fbfac60524f381babb8f81d|script « scan2pdf+ocr.sh » sur le GITHUB]] | * [[https://gist.github.com/stesie/42dff3d14fbfac60524f381babb8f81d|script « scan2pdf+ocr.sh » sur le GITHUB]] |
| | * [[https://ocrmypdf.readthedocs.io/en/latest/introduction.html|OCRmyPDF]] : programme qui rend un fichier PDF indexable – à savoir, dont le contenu peut faire l’objet d’un recherche textuelle. Il est écrit en [[python|Python]], s’appuie sur le moteur ROC Tesseract et sur GhostScript, est disponible au [[snap|format Snap]] ou en [[apt|paquet APT]], et est utilisable en ligne de commande par défaut. |
| |
| ---- | ---- |
| |
| //Contributeurs : [[:utilisateurs:teolemon|Pierre S.]], [[:utilisateurs:Hector]] et [[:utilisateurs:Sorbus]], [[:utilisateurs:eagle08]] : liens.// | //Contributeurs : [[:utilisateurs:teolemon|Pierre S.]], [[:utilisateurs:Hector]] et [[:utilisateurs:Sorbus]], [[:utilisateurs:eagle08]] : liens.// |
Sauf mention contraire, le contenu de ce wiki est placé sous les termes de la licence suivante : CC Attribution-Noncommercial-Share Alike 4.0 International