OCR, extraire du texte d’une image ou d’un fichier PDF
La reconnaissance optique de caractères (OCR), ou océrisation, est plus simplement appelée reconnaissance de texte. Un programme OCR extrait et réutilise les données des documents numérisés, des images d’appareils photo et des fichiers PDF contenant uniquement des images. Le logiciel OCR distingue les lettres sur l’image, les met en mots, puis met les mots en phrases, permettant ainsi l’accès et l’édition du contenu original. Il élimine également le besoin de saisie manuelle des données.
gImageReader , un logiciel OCR gratuit
gImageReader est un logiciel gratuit et libre, sous licence GNU GPL V3, disponible sur Windows et Linux, qui permet d’extraire du texte d’une image ou d’un fichier PDF. Vous pourrez ensuite copier le texte extrait de l’image pour le coller dans votre éditeur de texte préféré, comme Word, OnlyOffice ou LibreOffice.
Le fonctionnement est simple. Vous importez l’image ou le fichier PDF dans gImageReader, vous sélectionnez sur l’image et avec l’aide de votre souris le texte à extraire, puis vous cliquez sur « Reconnaître la sélection ». Le texte à copier s’affiche instantanément dans le panneau de droite.
Caractéristiques de gImageReader
- Importer des documents PDF et des images à partir d’un disque, d’appareils de numérisation, d’un presse-papiers et de captures d’écran
- Traiter plusieurs images et documents en une seule fois
- Définition de la zone de reconnaissance manuelle ou automatique
- Reconnaître du texte brut ou des documents hOCR
- Texte reconnu affiché directement à côté de l’image
- Post-traiter le texte reconnu, y compris la vérification orthographique
- Générer des documents PDF à partir de documents hOCR
Source : https://github.com/manisandro/gImageReader
Télécharger le logiciel : https://github.com/manisandro/gImageReader/releases
Sur Linux, il faudra aussi installer « tesseract-ocr » et le pack de langue souhaité « tesseract-ocr-fra » (pour le français).
