Un PDF numérisé produit par un scanner à feuilles comporte souvent des pages légèrement pivotées, généralement de un à cinq degrés. Chaque page introduite dans le scanner sous un angle légèrement différent produit un document dans lequel chaque page pivote différemment. Lire un tel document est ennuyeux. La légère inclinaison rend le texte plus difficile à numériser et l'impression de telles pages gaspille du papier avec un contenu asymétrique. Le redressement par lots corrige la rotation de chaque page en une seule opération, redressant toutes les pages selon une orientation uniforme.
Le redressement analyse le contenu de chaque page, généralement en détectant l'angle dominant des lignes de texte, et fait pivoter la page de la valeur opposée pour amener le texte à l'horizontale. Le processus est automatisé, spécifique à la page et non destructif. Il ne recadre ni ne redimensionne la page. Il applique uniquement la correction de rotation dont chaque page individuelle a besoin. Un outil Crop PDF combiné au redressement produit des documents numérisés qui donnent l'impression que chaque page a été introduite parfaitement droite dans le scanner.
Les outils d'amélioration PDF Quality de WukongPDF incluent le redressement et le redressement des pages pour les documents numérisés. Pour le traitement par lots de fichiers PDF numérisés volumineux, les outils dédiés décrits ci-dessous offrent des capacités de redressement spécialisées.
Comment les algorithmes de redressement détectent la rotation des pages
Un algorithme de redressement fonctionne en analysant l'histogramme projeté des intensités de pixels à différents angles de rotation candidats. Il projette l'image de la page sur l'axe horizontal à chaque angle candidat et mesure la précision de l'alignement des lignes de texte. Au bon angle, où les lignes de texte sont parfaitement horizontales, la projection produit des pics nets aux positions verticales de chaque ligne de texte. Sous des angles incorrects, les pics sont répartis sur plusieurs lignes de projection. L'algorithme évalue les angles dans la plage d'inclinaison attendue, généralement de moins 10 à plus de 10 degrés, et sélectionne l'angle qui produit les pics de projection les plus nets.
L'algorithme prend également en compte le type de contenu. Une page de texte pur avec une structure de ligne claire produit un fort signal de redressement. Une page dominée par une photographie ou un graphique sans lignes de texte horizontales claires produit un signal faible, et l'algorithme peut par défaut adopter une correction nulle pour éviter une rotation basée sur des données peu fiables. De bons outils de redressement indiquent l'angle calculé pour chaque page afin que vous puissiez revoir les pages où la correction semble incorrecte.
Essayez de recadrer le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Méthode 1 : Optimiser les pages numérisées d'Acrobat Pro
Adobe Acrobat Pro inclut une fonctionnalité de redressement par lots dans ses outils d'amélioration des pages numérisées. Ouvrez le PDF numérisé et accédez à Outils, Numérisation et OCR, puis Améliorer et sélectionnez Optimiser les pages numérisées. Dans la boîte de dialogue d'optimisation, cochez l'option Redresser et redresser. Réglez la sortie sur la résolution souhaitée, généralement 300 DPI pour les documents qui seront réimprimés et 150 DPI pour la visualisation sur écran uniquement. Acrobat traite chaque page, la redresse individuellement et produit un PDF optimisé.
Le redressement d'Acrobat est conservateur. Il corrige les pages présentant une inclinaison nette de plus d'un degré environ, mais peut laisser une inclinaison très subtile, inférieure à un demi-degré, non corrigée. Pour la plupart des documents, ce comportement conservateur est approprié. Une fausse correction de désalignement qui fait pivoter une page correctement orientée est plus perturbatrice que de laisser intacte une inclinaison à peine perceptible. Après l'optimisation, parcourez le document avec un zoom adapté à la largeur et vérifiez visuellement que les lignes de texte apparaissent horizontales. Les pages qui n'ont pas été corrigées devraient toujours être lisibles.
Méthode 2 : ScanTailor pour un redressement professionnel des lots
ScanTailor est un outil de post-traitement open source conçu spécifiquement pour les documents numérisés. Il traite un lot de pages numérisées en plusieurs étapes, notamment la correction de l'alignement, la détection du contenu, le recadrage des marges et le formatage de la sortie. Importez le PDF numérisé dans ScanTailor en extrayant d'abord les images de page individuelles à l'aide d'un outil tel que pdfimages ou de la fonction Exporter toutes les images d'Acrobat Pro.
ScanTailor présente chaque page avec son angle d'inclinaison détecté superposé. Vous pouvez ajuster l'angle manuellement pour toute page où la détection automatique était incorrecte avant d'appliquer la correction globalement. Après le redressement, continuez l'étape de sélection du contenu pour identifier la zone de texte et recadrez les marges vides, puis exportez au format PDF. Le traitement de ScanTailor est plus approfondi que celui d'Acrobat Pro et produit une sortie plus nette pour les documents nécessitant à la fois une correction d'alignement et un recadrage des marges.
| Outil | Capable de lot ? | Précision |
|---|---|---|
| Adobe Acrobat Pro (Optimiser les pages numérisées) | Oui, le filtre s'applique à toutes les pages | Idéal pour les biais légers à modérés |
| ScanTailor (open source) | Oui, conçu pour le batch | Excellente détection de contenu page par page |
| ImageMagick + redressement CLI | Oui, entièrement scriptable | Bien, utilise l'angle de ligne de texte dominant |
Méthode 3 : redressement de la ligne de commande avec ImageMagick
Pour les flux de travail par lots scriptés, la commande convert d'ImageMagick inclut un opérateur de redressement. La commande convert input.png -deskew 40% output.png analyse l'image et applique la correction de rotation détectée. Le paramètre de pourcentage, 40 pour cent dans cet exemple, définit le seuil de la proportion de l'image couverte par l'opération de redressement.
En ce qui concerne les flux de travail de documents, pour traiter un PDF entier via ImageMagick, divisez le PDF en images de pages individuelles à l'aide de pdfimages ou d'un outil similaire. Exécutez la commande de redressement sur chaque image de page à l’aide d’une boucle shell. Recombinez ensuite les images redressées dans un PDF à l'aide de la commande convert d'ImageMagick avec les images de page répertoriées dans l'ordre. L'approche en ligne de commande est entièrement automatisable et gratuite, ce qui la rend adaptée au traitement par lots de gros volumes où les outils GUI nécessiteraient trop d'interaction manuelle. La qualité de sortie du redressement d'ImageMagick est comparable à celle d'Acrobat Pro pour les documents avec une structure de lignes de texte claire.
Le redressement par lots transforme un PDF numérisé de travers en un document redressé professionnellement en quelques minutes. La correction automatique s'applique individuellement à chaque page, gérant la variation page par page qui rend le redressement manuel peu pratique pour les documents comportant plus d'une poignée de pages.
Combinaison du redressement avec d'autres corrections de pages numérisées
Le redressement est plus efficace lorsqu’il est associé à d’autres corrections de pages numérisées dans un seul pipeline de traitement. Après le redressement, appliquez la détection de contenu pour identifier la zone de texte et supprimez les marges vides. Appliquez ensuite un filtre de seuil pour convertir les pages en niveaux de gris en noir et blanc net, ce qui améliore la précision de l'OCR et réduit la taille du fichier. Enfin, exécutez l'OCR sur les pages redressées, recadrées et seuillées pour produire un document consultable.
Des outils tels que ScanTailor et OCRmyPDF combinent toutes ces étapes dans un seul pipeline automatisé. OCRmyPDF, un outil de ligne de commande basé sur Python, accepte un PDF numérisé, redresse chaque page, applique un seuil adaptatif, exécute l'OCR avec Tesseract et génère un PDF consultable avec la couche de texte OCR intégrée. La commande unique ocrmypdf --deskew input.pdf output.pdf gère le redressement, le seuillage et l'OCR en un seul passage. Pour les projets de numérisation de documents numérisés à grand volume, le pipeline combiné traite les documents de bout en bout sans intervention manuelle à aucun stade.
Calibrage de la sensibilité au redressement pour les pages à contenu mixte
Les pages mêlant texte et photographies, comme les livres illustrés ou les numérisations de magazines, présentent un défi de redressement. Les photographies ne disposent pas d'une orientation claire des lignes de texte et l'algorithme de redressement peut être induit en erreur par les bords de l'image plutôt que par le texte. La plupart des outils permettent de définir un seuil de confiance qui empêche la correction lorsque l'angle détecté est incertain.
Pour les pages au contenu mixte, définissez la sensibilité du redressement de manière prudente. Une inclinaison de 0,3 degrés est à peine perceptible. Une fausse correction faisant pivoter une bonne page de 0,5 degré est plus perturbante que de laisser la petite inclinaison intacte. Après le redressement par lots, parcourez le document et identifiez les pages qui sont devenues plus inclinées. Réinitialisez manuellement ces pages à leur orientation d’origine.
Le redressement par lots transforme un document numérisé de travers en un fichier aligné de manière professionnelle dans le temps nécessaire pour exécuter une seule commande ou cliquer dans une boîte de dialogue d'optimisation. La correction automatisée gère la variation par page qui rend le redressement manuel peu pratique. Combiné au recadrage, au seuillage et à l'OCR, le redressement est une étape dans un pipeline de traitement qui convertit les numérisations brutes en documents numériques propres, consultables et présentés de manière professionnelle.
Les pages droites sont le premier signal de qualité qu'un lecteur remarque dans un document numérisé. Avant de lire un mot, avant d'évaluer le contenu, l'orientation de la page lui indique si le document a été préparé avec soin. Le redressement par lots garantit que chaque page du document envoie le bon signal.
Le redressement par lots est une étape unique dans le processus de traitement des documents numérisés, mais c'est l'étape qui détermine si le document a l'air préparé par des professionnels ou s'il a été numérisé avec négligence. Les pages droites signalent la qualité au lecteur avant qu'il ne lise un seul mot. Combiné au recadrage, au seuillage et à l'OCR, le redressement transforme les numérisations brutes en documents numériques soignés.
Essayez de recadrer le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.