En matière d'OCR sur les listings de programmes, je partage un peu l'avis de Jérôme. En tapant le code on voit mieux les fautes qu'en relisant le texte. Ceci dit, personne n'aura le courage de taper des centaines de pages, alors il est bien tentant de faire de la reconnaissance optique.
A mon avis il n'est pas possible d'obtenir un résultat sans faute avec les outils actuels, et je doute que ce soit un jour possible. La meilleure voie serait d'apporter des aides à la correction. Dans le cas d'un programme Basic, une analyse syntaxique assez fine du texte devrait détecter la majorité des erreurs. Il n'existe probablement pas d'outil de ce genre pour l'Exelbasic, il faudrait le créer. Pour les erreurs résiduelles c'est plus difficile, car même un bon programmeur ne peut pas tout corriger par simple lecture du code. Le seul moyen est de tester soigneusement le programme.
Le scan des listings (et de la documentation en général) est un art difficile. La première règle est de proscrire les formats de compression avec perte, en particulier le jpeg. Sur le texte ils donnent à la fois de mauvais résultats (parfois inexploitables) et en plus une très mauvaise compression. Le traitement de la couleur sur 24 bits est un handicap plus qu'un avantage. Une image monochrome stocke un pixel sur 1 bit au lieu de 24, elle est donc au départ 24 fois plus petite. Ensuite les méthodes de compression sans perte, en particulier le CCITT groupe 4, sont très efficaces. Mon conseil : préférer du monochrome haute résolution (400 ou 600 dpi) à du gris moyenne résolution (200 ou 300 dpi). En codant le pixel sur un bit au lieu de 8 on peut multiplier la résolution par 3 sans augmenter sensiblement la taille du fichier. La seule difficulté est le réglage du seuil. Je fais en général plusieurs essais jusqu'à obtenir un bon compromis entre la netteteté des caractères et les parasites du fond. S'il n'y en a pas trop on peut toujours nettoyer l'image à la main avec un logiciel de retouche.
Pour vous en convaincre, comparez le document djvu
http://dcexel.free.fr/cart/exelbasic-plus_doc.zip (1,31 Mo) et le document pdf
http://www.megaupload.com/?d=7DCDJRZ9 (environ 70 Mo).
Pour revenir à Startrek, il y a probablement des anomalies dans le programme original, toutes les fautes ne viennent pas de l'OCR. Par exemple la variable XO$ est initialisée deux fois : en 230 et 510. Mais elle n'est jamais utilisée.
J'ai mis deux copies d'écran sur le site. J'ajouterai le fichier .k7 quand le programme sera corrigé, et la documentation si gatesbillou refait les scans. Inutile de les faire trop bien, car je les compresse ensuite tellement (pour économiser la bande passante) que la qualité de l'original ne se voit pas trop. A la limite je pourrais utiliser les fichiers jpeg existants, mais je préfère avoir des scans plus propres pour économiser les retouches.
désolé.
