Pour les sous-titres, l'image de départ est numérique : les caractères sont forcément identiques car ce sont des pixels placés dans une matrice.
Quand on utilise un document scanné, il y a deux filtres :
— l'impression, qui est faite sur du papier pas forcément blanc, avec des systèmes d'impression qui ne réalisent pas toujours de la même façon un caractère (tâches, imperfections…), ou qui n'alignent pas toujours les lignes (mauvais entraînement des pages). C'est de plus en plus rare et les impressions sont assez précises maintenant ;
— le scan, qui n'est pas toujours droit, qui ajoute un peu de bruit.
Pour résumer :
— numérique (sous-titres) → numérique (texte), avec une correspondance 1→1 ;
contre :
— numérique (document) → analogique (impression) → analogique (scan) → numérique (texte).
[^] # Re: Gros titre à ...
Posté par Sylvain Sauvage . En réponse à la dépêche Tesseract-OCR. Évalué à 10.
Quand on utilise un document scanné, il y a deux filtres :
— l'impression, qui est faite sur du papier pas forcément blanc, avec des systèmes d'impression qui ne réalisent pas toujours de la même façon un caractère (tâches, imperfections…), ou qui n'alignent pas toujours les lignes (mauvais entraînement des pages). C'est de plus en plus rare et les impressions sont assez précises maintenant ;
— le scan, qui n'est pas toujours droit, qui ajoute un peu de bruit.
Pour résumer :
— numérique (sous-titres) → numérique (texte), avec une correspondance 1→1 ;
contre :
— numérique (document) → analogique (impression) → analogique (scan) → numérique (texte).