Le blog de Firdaustux

Je cherchais à faire de la reconnaissance optique de caractères, je suis tombé sur cette page de la documentation d’Ubuntu. Cette solution m’a donné satisfaction, je la partage avec vous.

Prérequis

• tesseract avec les modules de langue dont on a besoin, pour le français ce sera le paquet tesseract-langpack-fra
• xsane
• imagemagick

Installation et configuration

Télécharger le script xsane2tess et lui ajouter les droits d’exécution :

wget http://firdaustux.tuxfamily.org/download/xsane2tess
chmod +x xsane2tess

Copier ce script dan /usr/bin

su -c "cp xsane2tess /usr/bin"

Lancer xsane.

Ouvrir le menu: Préférences → Configuration → Onglet « OCR », dans la zone de texte « Commande OCR » supprimer ce qui existe et remplacer par:

xsane2tess -l fra

ici l’option -l fra indique qu’on veut utiliser le français comme langue.

Utilisation

Lancer xsane et effectuer les réglages de numérisation, voici les miens :

• Numérisation en niveaus de gris
• Type de ficher de sotie : TIFF
• Résolution : 300 dpi

Lancer xsane, démarrer l’aperçu du document et sélectionner la zone à numériser, Une fois que la numérisation est effectuée il ne reste plus qu’à lancer le reconnaissance de caractères.