37 lines
1.7 KiB
Markdown
37 lines
1.7 KiB
Markdown
# Tesseract OCR
|
|
**Tesseract OCR** est un moteur de reconnaissance de caractères. Il peut être utilisé soit en ligne de commande, soit par l'intermédiaire d'un programme graphique comme **gscan2pdf** :
|
|
|
|
|
|
|
|
ou **OCRfeeder** :
|
|
|
|
|
|
|
|
Le programme effectue la reconnaissance de caractères (OCR) à partir de fichiers images populaires : pif, png, jpeg, tiff, bmp, gif, pgm, ppm, ico, xbm et xwd.
|
|
|
|
## Installer Tesseract
|
|
**Tesseract OCR** n'est pas installé par défaut. Il faut l'installer soit en ligne de commande :
|
|
|
|
```
|
|
sudo apt install tesseract-ocr-fra tesseract-ocr
|
|
```
|
|
|
|
soit à partir de la logithèque :
|
|
|
|
|
|
|
|
## Utilisation
|
|
Nous allons étudier le fonctionnement de Tesseract OCR en ligne de commande.
|
|
|
|
Dans notre premier exemple nous effectuerons la reconnaissance de caractères (OCR) sur un fichier image JPG en utilisant la langue française :
|
|
```
|
|
tesseract -l fra mon-fichier.jpg mon-fichier-texte
|
|
```
|
|
|
|
La commande exécute **Tesseract OCR** sur le fichier image JPG "mon-fichier.jpg", en utilisant le modèle de langue française, et extrait le texte reconnu, qu'il enregistre dans un nouveau fichier nommé "mon-fichier-texte.txt". Vous obtiendrez ainsi une version textuelle du contenu du fichier image JPG.
|
|
|
|
Dans notre second exemple, nous effecturons la reconnaissance optique de caractères (OCR) sur plusieurs fichiers JPEG (avec l'extension .jpg) dans le répertoire courant.
|
|
|
|
```
|
|
for i in *.jpg ; do tesseract -l fra $i $i; done;
|
|
```
|