OCR à documents écrits à la machine à écrire
Bonjour à tous, Voici que je dois passer le OCR (Optical Character Recognition) à plusiers documents écrits ça fait longtemps à la machine à écrire. Ce sont en français, donc une fois convertis à pdf, je viens de prouver le *tesseract* français et le résultat a été désastreux. La chose a pu millorer un peu en utilisant le *GOCR*, mais le résultat obtenu a été également inacceptable... Pouvez me recommander un outil un peu plus adéquate à cet tâche ? Merci en avance... Sev.
Re: OCR à documents écrits à la machine à écrire
Le jeudi 18 décembre 2008 18:03, Sever P A a écrit : | français et le résultat a été désastreux. La chose a pu millorer un peu en | utilisant le *GOCR*, mais le résultat obtenu a été également | inacceptable... | | Pouvez me recommander un outil un peu plus adéquate à cet tâche ? Je n'ai pas de réponse précise. Désolé. Juste un retour d'expérience. Peut-être HS. Avec des outils non libres, moi non plus je n'ai jamais eu de résultats satisfaisants même si les pièces à scanner ne comportaient que les cinquante/soixante caractères les plus utilisés de la langue anglaise. Les résulats les moins mauvais étaient obtenus si l'alignement horizontal des lignes à "OCRiser" était le plus horizontal possible par rapport à l'alignement du scanner. Le changement de graisse, les séquences avec des points ou des virgules était très mal reconnus ainsi que les documents ayant un faible contraste. Bref : totalement inexploitables. Mes tentatives se sont donc arrêtées mais récemment j'ai rencontré des gens qui traitaient des fax. Le traitement consistait à "OCRiser" une zone prédéfinie afin de repérer un identifiant précis à partir d'un numéro de fax commun. Le texte extrait permettait de rédiger automatiquement un email avec le fax en pièce jointe et de le transmettre à son seul destinataire. Si il est possible d'obtenir un très bon résultat à partir d'une reconnaissance sur une petite zone alors peut-être est-ce une voie de recherche? Je serai très intéressé par le résultat de tes futures recherches. -- Cordialement, Alain Vaugham [PUB] Signature numérique GPG de ce courrier: 0xD26D18BC pgpNlsBh7MNT5.pgp Description: PGP signature
Re: OCR à documents écrits à la machine à écrire
Le Thu, 18 Dec 2008 23:20:17 +0100 Alain Vaugham a écrit : > Le jeudi 18 décembre 2008 18:03, Sever P A a écrit : > | français et le résultat a été désastreux. La chose a pu millorer un peu en > | utilisant le *GOCR*, mais le résultat obtenu a été également > | inacceptable... > | > | Pouvez me recommander un outil un peu plus adéquate à cet tâche ? > > Je n'ai pas de réponse précise. Désolé. > Juste un retour d'expérience. Peut-être HS. tesseract sous ubuntu > > Avec des outils non libres, moi non plus je n'ai jamais eu de résultats > satisfaisants même si les pièces à scanner ne comportaient que les > cinquante/soixante caractères les plus utilisés de la langue anglaise. > > Les résulats les moins mauvais étaient obtenus si l'alignement horizontal > des lignes à "OCRiser" était le plus horizontal possible par rapport à > l'alignement du scanner. Le changement de graisse, les séquences avec des > points ou des virgules était très mal reconnus ainsi que les documents > ayant un faible contraste. > Bref : totalement inexploitables. > > Mes tentatives se sont donc arrêtées mais récemment j'ai rencontré des gens > qui traitaient des fax. Le traitement consistait à "OCRiser" une zone > prédéfinie afin de repérer un identifiant précis à partir d'un numéro de > fax commun. Le texte extrait permettait de rédiger automatiquement un email > avec le fax en pièce jointe et de le transmettre à son seul destinataire. > > Si il est possible d'obtenir un très bon résultat à partir d'une > reconnaissance sur une petite zone alors peut-être est-ce une voie de > recherche? > > Je serai très intéressé par le résultat de tes futures recherches. > > -- > Cordialement, > > Alain Vaugham > > [PUB] Signature numérique GPG de ce courrier: 0xD26D18BC -- Lisez la FAQ de la liste avant de poser une question : http://wiki.debian.org/DebFrFrenchLists Vous pouvez aussi ajouter le mot ``spam'' dans vos champs "From" et "Reply-To:" To UNSUBSCRIBE, email to debian-user-french-requ...@lists.debian.org with a subject of "unsubscribe". Trouble? Contact listmas...@lists.debian.org
Re: OCR à documents écrits à la machine à écrire
Le Thu, 18 Dec 2008 18:03:37 +0100 "Sever P A" a écrit: > Bonjour à tous, > > Voici que je dois passer le OCR (Optical Character Recognition) à plusiers > documents écrits ça fait longtemps à la machine à écrire. Ce sont en > français, donc une fois convertis à pdf, je viens de prouver le *tesseract* > français et le résultat a été désastreux. La chose a pu millorer un peu en > utilisant le *GOCR*, mais le résultat obtenu a été également inacceptable... > > Pouvez me recommander un outil un peu plus adéquate à cet tâche ? > apt-get install tesseract-ocr dispo sous debian marche vraiment bien. Gaëtan -- Lisez la FAQ de la liste avant de poser une question : http://wiki.debian.org/DebFrFrenchLists Vous pouvez aussi ajouter le mot ``spam'' dans vos champs "From" et "Reply-To:" To UNSUBSCRIBE, email to debian-user-french-requ...@lists.debian.org with a subject of "unsubscribe". Trouble? Contact listmas...@lists.debian.org
Re: OCR à documents écrits à la machine à écrire
Gaëtan PERRIER a écrit : [...] je viens de prouver le *tesseract* français et le résultat a été désastreux. [...] Pouvez me recommander un outil un peu plus adéquate à cet tâche ? apt-get install tesseract-ocr C'est la blague du vendredi où il y a des cas où tesseract fonctionne ? -- Daniel -- Lisez la FAQ de la liste avant de poser une question : http://wiki.debian.org/DebFrFrenchLists Vous pouvez aussi ajouter le mot ``spam'' dans vos champs "From" et "Reply-To:" To UNSUBSCRIBE, email to debian-user-french-requ...@lists.debian.org with a subject of "unsubscribe". Trouble? Contact listmas...@lists.debian.org
Re: OCR à documents écrits à la machine à écrire
Le Tue, 23 Dec 2008 10:22:12 +0100 Daniel Caillibaud a écrit : > Gaëtan PERRIER a écrit : > >> [...] je viens de prouver le *tesseract* français et le résultat a été > >> désastreux. [...] > >> > >> Pouvez me recommander un outil un peu plus adéquate à cet tâche ? > > > > apt-get install tesseract-ocr > > C'est la blague du vendredi où il y a des cas où tesseract fonctionne ? Il fonctionne très bien mais n'accepte que du .tif et si possible noir et blanc > > -- > Daniel > > -- > Lisez la FAQ de la liste avant de poser une question : > http://wiki.debian.org/DebFrFrenchLists > Vous pouvez aussi ajouter le mot ``spam'' dans vos champs "From" et > "Reply-To:" > > To UNSUBSCRIBE, email to debian-user-french-requ...@lists.debian.org > with a subject of "unsubscribe". Trouble? Contact listmas...@lists.debian.org > -- Lisez la FAQ de la liste avant de poser une question : http://wiki.debian.org/DebFrFrenchLists Vous pouvez aussi ajouter le mot ``spam'' dans vos champs "From" et "Reply-To:" To UNSUBSCRIBE, email to debian-user-french-requ...@lists.debian.org with a subject of "unsubscribe". Trouble? Contact listmas...@lists.debian.org
Télécopies [était : OCR à documents écrits à la machine à écrire]
Bonsoir la liste, Je cherche un outil qui regarderai le contenu d'un fichier .tiff provenant de Hylafax et qui analyserai son contenu. Si le contenu est principalement constitué de textes - même en tableaux - cela signifie que c'est peut-être un fax légitime. Si le contenu est principalement constitué de grandes zones noires ou blanches avec peu de textes cela signifie que c'est sûrement un fax non sollicité. Connaitriez-vous un tel outil qui me permettrait d'améliorer grandement mon système de filtrage sur les faxs indésirables ? Merci d'avance. -- Cordialement, Alain Vaugham [PUB] Signature numérique GPG de ce courrier: 0xD26D18BC pgp2RPiwfyCvl.pgp Description: PGP signature
Re: Télécopies [était : OCR à documents écrits à la machine à écrire]
Le vendredi 19 décembre 2008 16:09, Jacques L'helgoualc'h a écrit : | Alain Vaugham a écrit, vendredi 19 décembre 2008, à 03:00 : | > Bonsoir la liste, | | bonjour, | | > Je cherche un outil qui regarderai le contenu d'un fichier .tiff | > provenant de Hylafax et qui analyserai son contenu. | > | > Si le contenu est principalement constitué de textes - même en | > tableaux - cela signifie que c'est peut-être un fax légitime. | > | > Si le contenu est principalement constitué de grandes zones noires ou | > blanches avec peu de textes cela signifie que c'est sûrement un fax non | > sollicité. | > | > Connaitriez-vous un tel outil qui me permettrait d'améliorer grandement | > mon système de filtrage sur les faxs indésirables ? | | Faute de trouver un filtre tout fait, l'histogramme d'un texte noir sur | blanc doit être assez caractéristique ? C'est une voie de recherche à l'aquelle je n'avais jamais songé. | N.B. en essayant « identify », j'ai noté que celui de graphicsmagick est | /beaucoup/ plus rapide... Sinon, il y a aussi gmic, dont la ligne de | commande est un peu rugueuse, mais offre des possibilités de calculs. | http://gmic.sf.net/ Merci beaucoup, -- Cordialement, Alain Vaugham [PUB] Signature numérique GPG de ce courrier: 0xD26D18BC pgpxe05YyZqOW.pgp Description: PGP signature