Ce site est optimisé pour être consulté depuis un navigateur moderne dans lequel JavaScript est activé.

[astuce]Pour éviter la galère de la reconnaissance de caractères (OCR)

mloupiot

@ tuxmarc
Voici ma configuration dans Préférences→OCR :

Dans le logiciel, pour enregistrer, j'ai à côté de la disquette : /home/mon_logging/dossier_de_destination/Docxxx.xxx
Attention : pas d'espaces dans les noms de dossier ou de fichier, par contre, les caractères accentués passent.
le pas est à 1

Pour la reconnaissance de caractères, je choisis
-Type : TEXT et à côté de la disquette ça devient : /home/mon_logging/dossier_de_destination/Docxxx.txt
-Mode : trait
-Gamma à 1

Ai-je répondu à ta question ?

tuxmarc

@mloupiot :
Réponse on ne peut plus parfaite 🙂
Pour la config, c'est bien ça que j'ai enregistré.
Le chaînon manquant, c'était de mettre "text" dans Type et là maintenant ça a fait tilt !
J'ai fait un essai en scannant quelque chose que j'avais imprimé, en mode trait et en mode gris pour comparer.
Le résultat est meilleur en mode trait et au passage, en énorme, j'ai pu voir les petites bavures que fait une jet d'encre et qui perturbent l'analyse.
Il y a un détail que je ne comprends pas : pas moyen d'avoir l'aide, la doc en html est absente.
J'ai vérifié dans /usr/doc/xsane et étrangement pas de fichier d'aide.
Si j'avais été plus malin, il y a bien de la doc sur Ubuntu.fr !!!

Merci pour le coup de main et passe un joyeux noël.

mloupiot

Content de t'avoir aidé, joyeux noël à toi aussi.

pierpiotr

Bonjour,
Je reprends ce fil en esperant qu'il soit encore actif. En tout cas l'OCR sera toujours utile.
Bon, mon pb est que les @ et les g disparaissent. J'essaie de scanner des listes d'emails dans un tableau dont j'ai isolé la colonne.
Il faudrait peut être modifier les options dans la configuration après cuneiform -l fra ...?

gl38

As-tu essayé avec tesseract ?
Cordialement,
Guy

pierpiotr

Pas encore, le fil icifait plutôt la part belle à cuneiform...
Donc je vais essayer.

pierpiotr

Bonjour Guy,
Tesseract donne de meilleurs résultats en effet avec 300ppi. J'ai poussé à 600 c'est mieux mais pas parfait (quelques @ et g passent à l'as quand mm et des caractères exotiques s'introduisent...).
J'ai donc essayé à 1200 mais là c'est la cata. 600 reste la meilleure option.
Merci en tout cas, cela me fait gagner du temps.

agensbur

Je tombe sur ce fil : merci pour la configuration exacte de l'intégration de cunéiform.

J'avais testé il y a longtemps et était resté septique. En fait, convenablement réglé, cela fonctionne bien, c'est léger et rend des vrais services .

(il vaut mieux isoler un bloc de texte à "OCEériser" lors de l'acquisition, ce peut être toute une page mais avec xsane pas question de faire de multi-sélection ni d'automatiser des enchaînements de blocs...Le couple xsane/cuneiform reste incomplet comparé aux poids lourds du "marché" (non portés sous Linux), mais la reconnaissance de caractères proprement dite est vraiment performante et mon windows en dual boot va finir par ne plus avoir aucune raison d'être.

moissan

merci pour m'avoir fait decouvrir cuneiforme

pas besoin de xsane une image recadré dans colourpaint pour ne garder que le texte a lire suffit

~/Documents/cuneiform$ cuneiform -l fra image.png

inutile de preciser le fichier destination , il crée un cuneiform-out.txt

pas besoin de mettre en TIFF comme il a été dit au debut : en png ça marche

par contre ça ne marche pas si les caractere sont trop petit : une copie d'ecran avec texte parfaitement contrasté ne passe pas du tout : un seul caractère reconnu : en multipliant la dimension par 2 , le texte est reconnu en entier

jacksonV

+abo :-)

L'Africain

bonjour,
Ce petit message pour vous partager un problème récent, j'utilise cuneiform depuis des années sans aucune difficultés. J'ai chipoté sur des fichiers que j'ai converti en utf-8 ( je sais pas si ça à un lien) et depuis lorsque je scanne avec xsane et l'option cuneiform -l fra le résultat c'est que mon fichier txt n'affiche plus les accents, mais un truc comme ça:

Ã mes chers fils John Vaughn, ministre gÃ©nÃ©ral de l'Ordre des FrÃšres mineurs; Vital Bommarco, ministre gÃ©nÃ©ral de l'Ordre des FrÃšres mineurs conventuels; Flavio Carraro, ministre gÃ©nÃ©ral de l'Ordre des FrÃšres mineurs capucins; Roland Faley, ministre

Par contre avec Yagf il n'y a pas de problème!
SI quelqu'un a une explication?
merci pour votre aide.

gl38

Ce que tu montres c'est de l'utf8 affiché par un programme qui ne sait pas comment l'afficher.
Avec yagf, on peut choisir entre cuneiform et tesseract.
Cordialement,
Guy

L'Africain

Bonjour à tous,
Soudainement yagf s'est mis à ne plus fonctionner, avec cuneiform il me retourne l'erreur :

The system said: Cuneiform for Linux 1.1.0
Magick: Length and filesize do not match (/home/cyrille/.config/yagf/input.bmp) reported by coders/bmp.c:807 (ReadBMPImage)

Avec tesseract:

The system said: Tesseract Open Source OCR Engine v3.03 with Leptonica
Error in pixReadStreamBmp: bmp(1) read fail
Error in pixReadStream: bmp: no pix returned
Error in pixRead: pix not read
Error in pixGetInputFormat: pix not defined
Reading input.bmp as a list of filenames...
Error in fopenReadStream: file not found
Error in pixRead: image file not found
Image file BM cannot be read!
Error during processing.

SI je tente cuneiform directement dans le terminal j'ai :

The system said: Cuneiform for Linux 1.1.0
Magick: Length and filesize do not match (/home/cyrille/.config/yagf/input.bmp) reported by coders/bmp.c:807 (ReadBMPImage)

J'ai réinstallé imagemagic puisque le problème semble à ce niveau rien n'y fait.
Je pense que c'est lié à l’installation d'une bibliothèque hors dépôt mais je sais pas laquelle?
Merci pour votre aide.

moko138

Et si tu commences par convertir le .bmp en .png (ou autre format habituel),

convert mon-fichier.bmp mon-fichier.png

le problème persiste-t-il ?

L'Africain

Bonjour Moko,
Le fichier original est un jpeg
Par contre je ne sais pas pourquoi, en retentant l'opération avec diverses options, ça fini par fonctionner, mais pas du premier coup (je parle uniquement pour yagf).

moko138

Jpeg, je veux bien, mais tes trois retours partent d'une entrée en .bmp :

L'Africain a écritSoudainement yagf s'est mis à ne plus fonctionner, avec cuneiform il me retourne l'erreur :

The system said: Cuneiform for Linux 1.1.0
Magick: Length and filesize do not match (/home/.../.config/yagf/input.bmp) reported by coders/bmp.c:807 (ReadBMPImage)

Avec tesseract:

Reading input.bmp as a list of filenames...

SI je tente cuneiform directement dans le terminal j'ai :

The system said: Cuneiform for Linux 1.1.0
Magick: Length and filesize do not match (/home/cyrille/.config/yagf/input.bmp) reported by coders/bmp.c:807 (ReadBMPImage)

Il me semble qu'il y a là une piste à creuser.

L'Africain

En effet il y a bien un fichier bmp. Il semble qu'image magic fasse une conversation dans ce format avant de le convertir en texte. Mais à la base il s'agit bien de JPEG. (J'ai vu un fichier bmp apparaître dans le dossier cache de yagf pendant la convertion)

« Page précédente