EasyOCR est une bibliothèque d'extraction de données à partir de documents numérisés. Elle prend en charge plus de 80 langues,Vous pouvez consulter la liste complète des langues supportées dans la documentation officielle. utilise des modèles de détection et d'identification de texte pré-entraînés et met l'accent sur la rapidité et l'efficacité de la reconnaissance des mots à l'intérieur des images.
EasyOCR se compose de trois composants principaux :
Décodage : Utilise l'algorithme de classification temporelle connexionniste (CTC) pour convertir les séquences de caractéristiques extraites en texte lisible. Le CTC permet de gérer les séquences de longueur variable et de produire le texte final reconnu.
EasyOCR Framework
Pour installer EasyOCR, vous pouvez utiliser la commande suivante pour toutes les langues :
pip install easyocr
Pour installer une langue spécifique, utilisez une commande comme celle-ci (par exemple, pour le français) :
pip install easyocr[fr]
Remarque : Toutes les langues ne sont pas compatibles entre elles, vous ne pouvez donc pas installer plusieurs langues en même temps.
Pour utiliser EasyOCR, vous devez importer les bibliothèques nécessaires pour lire les images et les afficher, comme cv2
et matplotlib
. Vous pouvez également utiliser PIL
pour effectuer des traitements sur les images.
readtext
du lecteur EasyOCR pour reconnaître le texte dans l'image. Vous pouvez spécifier des paramètres tels que detail
pour obtenir une sortie simple ou détaillée, et paragraph
pour combiner tous les résultats en un seul paragraphe.Voici quelques captures d'écran du projet :
EasyOCR est une bibliothèque puissante pour la reconnaissance de texte dans les images, avec un support pour une grande variété de langues et des modèles de pointe pour l'extraction et l'interprétation du texte. Grâce à sa simplicité d'utilisation et à sa rapidité, EasyOCR est un excellent choix pour les projets d'OCR.
Pour plus d'informations et d'exemples d'utilisation, vous pouvez consulter la documentation officielle d'EasyOCR.
Keras-OCR est une bibliothèque de bout en bout pour la détection et la reconnaissance de texte (OCR). Elle est implémentée avec CRAFT comme détecteur de texte et CRNN comme reconnaisseur de texte.
Bien sûr, voici une version améliorée de cette section :
Pour installer Keras-OCR, utilisez la commande suivante :
pip install keras-ocr
Pour utiliser Keras-OCR, vous devez importer les bibliothèques nécessaires comme tensorflow
et keras
.
Importation des bibliothèques : Assurez-vous d'importer toutes les bibliothèques requises.
Initialisation du pipeline : Créez un pipeline Keras-OCR pour la détection et la reconnaissance de texte.
Chargement et traitement de l'image : Chargez l'image que vous souhaitez traiter et convertissez-la en RGB si nécessaire.
Reconnaissance du texte : Utilisez le pipeline pour reconnaître le texte dans l'image.
import keras_ocr
import tensorflow as tf
import keras
pipeline = keras_ocr.pipeline.Pipeline()
# RGB
img_path = 'path_to_your_image.jpg'
img_rgb = keras_ocr.tools.read(img_path)
results = pipeline.recognize([img_rgb])
for (box, text) in results[0]:
print(f'Text: {text}, Box: {box}')
Le notebook Colab contient des informations supplémentaires sur l'exécution de ce modèle en temps réel. Les poids du modèle original sont fournis dans ce dépôt. Par défaut, la prédiction sera tracée sous forme de boîtes autour du texte dans l'image, comme indiqué ci-dessous.
Voici quelques captures d'écran du projet :
EasyOCR et Keras-OCR sont deux bibliothèques puissantes pour la reconnaissance de texte dans les images. EasyOCR est particulièrement utile pour les applications multilingues rapides et simples. Il est compatible avec 80 langues, tandis que Keras-OCR utilise l'anglais par défaut, mais permet le fine-tuning pour d'autres langues. Keras-OCR offre une flexibilité avancée et des options de fine-tuning pour les utilisateurs nécessitant des ajustements spécifiques.
Pour plus d'informations, consultez les documentations officielles d'EasyOCR et de Keras-OCR.
3:Reconnaissance Écriture Manuscrite (OCR) avec pytesseract
Bien sûr, voici le README avec le paragraphe souligné pour mettre en évidence cette information :
PyTesseract est une solution OCR open-source qui extrait le texte imprimé ou écrit des images. Il a été développé à l’origine par Hewlett-Packard et est actuellement maintenu par Google. Tesseract prend en charge la reconnaissance linguistique pour plus de 100 langues.
Pour utiliser PyTesseract, vous devez d'abord installer Tesseract. Vous pouvez le faire en utilisant les commandes suivantes :
# Installer Tesseract OCR
!apt-get install -y tesseract-ocr
!apt-get install -y libtesseract-dev
# Installer PyTesseract
!pip install pytesseract
Une fois Tesseract installé, vous devez vous assurer que le chemin du fichier exécutable de Tesseract est correctement configuré. Voici un exemple de configuration sous Python :
import pytesseract
# Définir le chemin de l'exécutable Tesseract
pytesseract.pytesseract.tesseract_cmd = r'/usr/bin/tesseract'
PyTesseract est un wrapper Python pour l'OCR Tesseract de Google. Il peut lire tous les fichiers image supportés par des bibliothèques d’imagerie telles que Leptonica et Pillow, y compris les formats JPEG, PNG, GIF, BMP, TIFF et bien d’autres. Il est donc souvent utilisé dans les cas d'utilisation de l'OCR en Python pour convertir des images en texte."
La reconnaissance de texte à l'aide de PyTesseract peut se faire en une seule ligne de code. Voici un exemple simple d'utilisation :
import cv2
import pytesseract
img = cv2.imread('path_to_your_image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
text = pytesseract.image_to_string(gray)
print(text)
Bien que Tesseract soit puissant, il a certaines limites :
Dans notre cas, PyTesseract ne fonctionne pas bien avec des images comme Genova.png. Cependant, **il fonctionne beaucoup mieux avec des images comme Extrait_IQOA_data.png, en particulier celles contenant des tableaux.
Voici quelques captures d'écran du projet :
![Exemple d'image 1]
PyTesseract est une bibliothèque puissante pour la reconnaissance de texte dans des formats PDF ou des images sans arrière-plans complexes, comme dans notre exemple. Bien qu'il ait des limitations avec les écritures manuscrites et certaines images de faible qualité, il reste un outil très utile pour extraire du texte imprimé de diverses images.
Pour plus d'informations, consultez la documentation officielle de Tesseract et de PyTesseract.