Ah zut, je viens de m'intéresser longuememnt à la question et j'ai un brouillon de dépêche à finir.
Que cherches-tu vraiment ? Parce que la sortie en texte brut, c'est la fonction de base des OCR.
Le processus est très simple : un scan de bonne qualité -> OCR -> relecture.
C'est le premier point qui est compliqué : pour obtenir une bonne image il faut la retoucher. J'utilise un processus plus simple que Boa Treize, avec des outils conçus exprès pour ça. Le site de Tesseract contient une page merveilleuse avec des outils pour améliorer la qualité du scan que j'ai presque tous essayés. Il y a des scripts et des outils graphiques.
Si tu as beaucoup de scans à faire, installe OpenCamera sur ton smartphone, pouse-le sur une pile de bouquins et lance le mode rafale. Tu dois pouvoir tourner à 20 pages minutes. Ensuite il te faudra le script de dewarping indiqué sur la page de tesseract.
NB : le meilleur OCR actuel sous Windows c'est ReadIris. Il fait beaucoup moins de petites erreurs que Tesseract qui est le meilleur OCR libre actuel (IMHO).
# Processus simple et rapide.
Posté par orfenor . En réponse au journal Scanner et OCR sans passer par le cloud. Évalué à 10. Dernière modification le 02 mars 2021 à 15:39.
Ah zut, je viens de m'intéresser longuememnt à la question et j'ai un brouillon de dépêche à finir.
Que cherches-tu vraiment ? Parce que la sortie en texte brut, c'est la fonction de base des OCR.
Le processus est très simple : un scan de bonne qualité -> OCR -> relecture.
C'est le premier point qui est compliqué : pour obtenir une bonne image il faut la retoucher. J'utilise un processus plus simple que Boa Treize, avec des outils conçus exprès pour ça. Le site de Tesseract contient une page merveilleuse avec des outils pour améliorer la qualité du scan que j'ai presque tous essayés. Il y a des scripts et des outils graphiques.
Si tu as beaucoup de scans à faire, installe OpenCamera sur ton smartphone, pouse-le sur une pile de bouquins et lance le mode rafale. Tu dois pouvoir tourner à 20 pages minutes. Ensuite il te faudra le script de dewarping indiqué sur la page de tesseract.
NB : le meilleur OCR actuel sous Windows c'est ReadIris. Il fait beaucoup moins de petites erreurs que Tesseract qui est le meilleur OCR libre actuel (IMHO).