1. Commencez avec la meilleure source disponible
Utilisez la numérisation originale ou le fichier de l'appareil photo plutôt qu'une capture d'écran d'une vignette. Si quelqu'un a envoyé un petit aperçu, demandez le document original. Lorsqu'un PDF possède déjà un texte sélectionnable précis, réutilisez ce texte au lieu de le convertir en image et de le reconnaître à nouveau.
Conservez une copie inchangée avant d'ajuster le contraste, la rotation ou le recadrage. L'original est votre référence lorsqu'une version ultérieure perd une ponctuation faible ou des marques manuscrites. Donnez aux copies de travail des noms descriptifs afin de pouvoir les comparer sans deviner quel fichier a été modifié.
2. Rendez les lettres lisibles avant le téléchargement
Pour une photographie, gardez la page à plat, tenez l'appareil photo à peu près parallèlement à celle-ci et utilisez un éclairage uniforme. Évitez les reflets sur le papier glacé et les ombres portées par votre main ou votre téléphone. Vérifiez quelques petits mots avant de ranger le document ; une nouvelle prise est plus facile tant que la source est encore disponible.
Pour une numérisation, 300 pixels par pouce est un point de départ utile pour le texte imprimé ordinaire. IMPACT recommande une résolution plus élevée pour les très petits caractères. Les Archives nationales des États-Unis spécifient également 300 ppi pour les documents textuels permanents modernes dans leurs propres exigences de numérisation. Ce sont des références de capture, et non une garantie que chaque page sera reconnue correctement.
Changer une étiquette DPI sur un fichier existant à basse résolution ne crée pas de nouveaux détails. Inspectez les bords des caractères et la ponctuation, et numérisez à nouveau à une résolution appropriée lorsque l'original est disponible.
3. Redressez la vue et sélectionnez une région cohérente
Mettez le texte à la verticale et supprimez les bordures non pertinentes lorsqu'elles entrent en concurrence avec la page. Laissez un peu d'espace autour du texte prévu : un recadrage serré peut couper des accents, des jambages ou le dernier chiffre d'un nombre.
Pour les colonnes, reconnaissez une colonne ou un passage logiquement connecté à la fois lorsque l'ordre de la page entière n'est pas fiable. Gardez les en-têtes de tableau avec leurs valeurs. Séparer chaque minuscule cellule peut supprimer le contexte dont vous avez besoin pour reconstruire le résultat.
4. Comparez les ajustements d'image modestes
Un léger ajustement du contraste peut aider le texte faible, tandis qu'un filtrage excessif peut l'effacer. Assombrir la page peut également renforcer les taches, la texture du papier ou l'écriture au verso. Comparez l'image ajustée avec l'original au même niveau de zoom.
Essayez un ajustement sur un passage difficile avant de tout changer. Si une amélioration rend l'image plus propre mais supprime une virgule ou joint deux lettres, elle n'a pas amélioré la preuve pour OCR.
5. Définissez la langue et comparez les modes de reconnaissance
Choisissez la langue réellement utilisée dans le texte sélectionné. i2OCR propose 128 choix de reconnaissance, y compris les variantes de script et historiques. Pour une page multilingue, séparer des régions distinctes peut rendre le résultat plus facile à évaluer.
Classic est un point de départ utile pour les documents imprimés clairs. Future peut aider avec des documents plus variés et l'écriture manuscrite. Comparez le même court passage en cas de doute. Jugez la transcription complète, y compris les mots omis et l'ordre des lignes, plutôt que quelques phrases correctement reconnues.
6. Examinez le texte par rapport à l'image
Vérifiez un échantillon du haut, du milieu et du bas de la zone sélectionnée. Inspectez ensuite les détails qui ont le plus de sens. Un point décimal mal placé ou un mot manquant tel que non peut avoir plus d'importance que plusieurs erreurs d'orthographe ordinaires.
- Les noms, identifiants, dates, points décimaux et unités correspondent à la source.
- Chaque ligne prévue est présente ; les en-têtes et les notes de bas de page sont à des endroits sensés.
- Les colonnes et les lignes de tableau n'ont pas été combinées de manière incorrecte.
- Les passages peu clairs sont marqués pour examen au lieu d'être devinés silencieusement.
- Une citation copiée conserve le libellé et la ponctuation que vous avez l'intention de citer.
7. Enregistrez le résultat révisé et réutilisez ce qui a fonctionné
Enregistrez la transcription corrigée avant de la traduire ou de la réécrire. Conservez le nom du fichier source ou la référence de la page avec le résultat. Si vous devez traiter des documents similaires ultérieurement, notez la langue, la zone sélectionnée et les ajustements qui ont été utiles.
Les outils en ligne acceptent une image jusqu'à 25 MB ou un PDF jusqu'à 200 MB et 750 pages sources, sous réserve de la limite indiquée dans l'outil. PDF OCR traite une page ou une zone sélectionnée par demande. Les dimensions de l'image et les limites de traitement s'appliquent également ; une source plus petite et bien capturée peut donc être plus pratique qu'un fichier très volumineux.
Questions et réponses
À quelle résolution dois-je numériser ?
Commencez autour de 300 ppi pour du texte imprimé ordinaire ; les petits caractères peuvent bénéficier d'une capture à plus haute résolution. Inspectez les lettres réelles. La résolution seule ne peut pas corriger le flou, les reflets ou les originaux endommagés.
Dois-je convertir chaque image en noir et blanc ?
Non. Le seuillage peut supprimer du texte pâle ou fusionner des traits. Conservez l'original et comparez une petite zone avant de vous engager dans une version en noir et blanc.
Un fichier plus volumineux donnera-t-il toujours une meilleure OCR ?
Non. La taille du fichier reflète les dimensions, la compression et le format, pas seulement la lisibilité. Une image claire et bien cadrée peut être plus utile qu'une photographie volumineuse mais floue.