PDF scanné mal reconnu? Comment l’optimiser pour une OCR parfaite

Inclinaison (texte penché)

Lignes tournées ou inclinées ; le texte monte ou descend sur la page

Dégauchissement automatique avant OCR

Contraste faible / texte estompé

Texte en gris clair sur fond blanc cassé ; difficile à lire

Amélioration du contraste ou réglage du niveau de gris

Bruit / motifs de trame

Fond moucheté, poussières ou points de type journal

Filtre antibruit ou destramage

Résolution faible

Formes de lettres floues ou pixélisées ; les traits fusionnent

Numériser à nouveau en 300 DPI ou plus ; le suréchantillonnage en dernier recours

Résolution

Critique

Les moteurs OCR ont besoin d’au moins 300 DPI pour le texte standard (10 à 12 pt). En dessous de 200 DPI, les détails fins sont perdus. Le suréchantillonnage ne peut pas retrouver les données manquantes.

Numérisez toujours en 300 DPI (niveaux de gris ou N&B). Si la numérisation est impossible, suréchantillonnez prudemment à 300 DPI et appliquez une légère accentuation.

Renee PDF Aide (export en pleine résolution), ImageMagick (suréchantillonnage par lots), GIMP (vérification manuelle du DPI).

Dégauchissement

Élevée

Même une légère inclinaison peut amener l’OCR à mal interpréter les lettres (ex.: « rn » → « m »).

Utilisez le dégauchissement automatique, puis ajustez la rotation par petits incréments (0,2 à 0,5°).

ScanTailor Advanced (dégauchissement par lots), Renee PDF Aide (option de dégauchissement).

Contraste et luminosité

Élevée

Un texte foncé sur fond clair améliore la reconnaissance, en particulier pour les originaux estompés ou jaunis.

Réglez les niveaux ou les courbes plutôt que la luminosité seule, pour un meilleur contrôle.

GIMP (Niveaux/Courbes), ImageMagick (ajustement du contraste par lots).

Réduction du bruit / Destramage

Moyenne

Les taches, la poussière ou les points de trame perturbent les moteurs OCR et créent des caractères erronés.

Appliquez un léger filtre déspeckle ou médian ; utilisez le destramage pour les scans de journaux.

ScanTailor Advanced (déspeckle/destramage par lots), ImageMagick (réduction du bruit).

Rogner les marges

Moyenne

Les bordures, les ombres de reliure et les perforations ajoutent des pixels superflus que l’OCR peut mal interpréter.

Rognez de façon homogène en laissant une marge de 2 à 5 mm pour éviter de couper du texte.

ScanTailor Advanced (rognage par lots), ImageMagick (-trim pour le rognage automatique).

Pivoter les pages

Moyenne

L’OCR exige une orientation cohérente ; les pages à l’envers réduisent la précision.

Vérifiez que toutes les pages sont à l’endroit et alignées avant l’OCR.

PDFsam Basic (rotation par lots), Renee PDF Aide (option de rotation).

Format de fichier et mode couleur

Élevée

Le niveau de gris ou le N&B 1 bit donne un OCR plus net. La compression JPEG forte dégrade les formes des lettres.

Sauvegardez les pages nettoyées en PNG/TIFF ; utilisez une compression sans perte. Pour le texte seul, convertissez en N&B 1 bit.

Renee PDF Aide (fusion « Image vers PDF » avec compression minimale), ImageMagick (conversion par lots en TIFF/PNG).

Snappy‑Fix PDF DPI Checker https://www.snappy-fix.com/tools/pdf-dpi-checker

Téléchargez votre PDF (jusqu’à 20 Mo). Indique instantanément le DPI de chaque image intégrée par page.

Rapide, gratuit, sans installation. Donne les valeurs DPI par page et la résolution moyenne.

OutilsSeek PDF DPI Checker

Glissez-déposez votre PDF. Fonctionne localement dans le navigateur, affichant DPI_X et DPI_Y pour chaque image ainsi que des graphiques.

Respectueux de la vie privée (pas d’envoi vers un serveur). Idéal pour une analyse détaillée.