From 3355fd4f28dbd0741128fb8cbfce179b286fab20 Mon Sep 17 00:00:00 2001 From: Folzo Date: Sat, 11 Apr 2026 00:32:54 +0200 Subject: [PATCH] docs: add OCR quality improvement note (preprocessing grayscale + contrast) --- DIAGNOSTIC-KREUZBERG.md | 35 ++++++++++++++++++++++++++++++++++- 1 file changed, 34 insertions(+), 1 deletion(-) diff --git a/DIAGNOSTIC-KREUZBERG.md b/DIAGNOSTIC-KREUZBERG.md index effba9a..df66566 100644 --- a/DIAGNOSTIC-KREUZBERG.md +++ b/DIAGNOSTIC-KREUZBERG.md @@ -282,6 +282,39 @@ docker restart open-webui --- +## Amélioration qualité OCR (11 Avril 2026) + +### Problème + +La qualité OCR de Kreuzberg était inférieure à l'ancien effi-ocr (Tesseract) car: +- Kreuzberg ne fait pas de prétraitement d'image +- effi-ocr convertissait en niveaux de gris + augmentait le contraste (x2) + +### Solution + +Ajout de prétraitement dans le tool OpenWebUI: + +```python +def _preprocess_image(self, image: Image.Image) -> Image.Image: + """Preprocess image for better OCR quality (grayscale + contrast)""" + if image.mode in ('RGBA', 'LA', 'P'): + image = image.convert('RGBA').convert('RGB') + elif image.mode != 'RGB': + image = image.convert('RGB') + image = image.convert('L') # Niveaux de gris + enhancer = ImageEnhance.Contrast(image) + image = enhancer.enhance(2.0) # Contraste x2 + return image +``` + +### Résultat + +- ✅ Images prétraitées (niveaux de gris + contraste) avant OCR +- ✅ Meilleure détection du texte, surtout sur documents scannés +- ✅ Qualité comparable à effi-ocr (Tesseract) + +--- + ## Questions à explorer (OBSOLÈTE) 1. ~~Ce bug `FETCH_URL_MAX_CONTENT_LENGTH` est-il connu dans OpenWebUI ?~~ → OUI, bug connu v0.8.12 @@ -335,4 +368,4 @@ Faire fonctionner l'extraction de documents dans OpenWebUI via Kreuzberg pour qu --- *Dossier créé le 10 Avril 2026 pour reprise du diagnostique* -*Solution appliquée le 10 Avril 2026 - Status: ✅ RÉSOLU* \ No newline at end of file +*Solution appliquée le 10 Avril 2026 - Amélioration OCR le 11 Avril 2026 - Status: ✅ RÉSOLU* \ No newline at end of file