Convertir TIF en CSV

Un tableur, une application statistique, un workflow SIG ou un script peut nécessiter des mesures d’image sous forme de lignes et de colonnes plutôt que sous forme d’image TIFF. Un tableau numérisé nécessite un OCR et une extraction de tableau ; une mesure raster nécessite un export des valeurs de pixels.

Qu’est-ce que le format TIF ?

TIF, également écrit TIFF, est un format d’image raster balisé qui stocke les échantillons de pixels, les paramètres de compression, les informations de couleur et des métadonnées facultatives. Les scanners, les systèmes SIG et de télédétection, les applications de publication assistée par ordinateur, les microscopes numériques, Adobe Photoshop, GIMP et ImageJ l’utilisent couramment.

TIFF peut contenir des échantillons en niveaux de gris, RGB, RGBA, basés sur une palette et avec une grande profondeur de bits. Un TIFF multipage stocke plusieurs pages d’image, tandis que GeoTIFF ajoute des balises de système de coordonnées et de géoréférencement. TIFF est utilisé pour les numérisations, la production imprimée, l’archivage, l’imagerie scientifique et les mesures pour lesquelles une compression de type JPEG peut être inadaptée.

Qu’est-ce que le format CSV ?

CSV est un tableau en texte brut dont les champs sont séparés par des virgules ou, selon l’application, par des points-virgules ou des tabulations. Les tableurs, les bases de données, les logiciels statistiques, les outils SIG et les langages de programmation peuvent le lire sans bibliothèque TIFF.

Pour un export raster, une ligne CSV représente normalement une ligne d’image et chaque champ représente un échantillon de pixel. Une image en niveaux de gris produit une valeur par pixel ; une image RGB peut produire trois valeurs consécutives par pixel, dans l’ordre rouge, vert, bleu. CSV est utile pour l’analyse numérique, le traçage de graphiques, le filtrage et l’importation de mesures dans Excel ou LibreOffice Calc, mais ce n’est pas un format d’image.

Convertir les valeurs de pixels avec Python

Python avec Pillow et NumPy offre le contrôle le plus clair sur les valeurs d’échantillons, l’ordre des canaux, les pages et la taille de sortie. Il convient mieux qu’un tableur aux rasters volumineux ou à grande profondeur de bits.

1. Installez Python et les packages avec python -m pip install pillow numpy.
2. Enregistrez ceci sous tif_to_csv.py :

from pathlib import Path
import csv
import sys
import numpy as np
from PIL import Image

source = Path(sys.argv[1])
target = source.with_suffix(".csv")

with Image.open(source) as image:
    if getattr(image, "n_frames", 1) != 1:
        raise ValueError("This script expects a single-page TIFF")
    pixels = np.asarray(image)

if pixels.ndim == 2:
    rows = pixels
elif pixels.ndim == 3:
    rows = pixels.reshape(pixels.shape[0], pixels.shape[1] * pixels.shape[2])
else:
    raise ValueError("Unsupported TIFF pixel layout")

with target.open("w", newline="", encoding="utf-8") as file:
    csv.writer(file).writerows(rows.tolist())

print(f"Wrote {target}")

3. Exécutez python tif_to_csv.py input.tif. Le script crée input.csv avec une ligne de sortie pour chaque ligne d’image et sans en-tête.

Pour les données RGB ou RGBA, la sortie place les échantillons des canaux consécutivement pour chaque pixel : R, G, B et éventuellement A. Un TIFF basé sur une palette peut être exposé par Pillow sous forme d’indices de palette plutôt que de valeurs RGB affichées ; convertissez-le explicitement en RGB au préalable si les couleurs de la palette, plutôt que les indices stockés, sont requises. Le script charge l’intégralité du raster en mémoire ; les fichiers très volumineux doivent donc être traités par fenêtres avec une bibliothèque raster ou exportés avec R, MATLAB ou un workflow de base de données.

Pour un TIFF multipage, parcourez image.seek(page_number) et écrivez un CSV par page, ou utilisez un outil de traitement raster prenant en charge la sélection des pages. Fiji, la distribution d’ImageJ, est utile pour inspecter un TIFF, convertir son type via Image → Type, recadrer et mesurer des régions sélectionnées, mais Python convient mieux à un export matriciel répétable de l’image complète. magick input.tif txt:- d’ImageMagick signale les coordonnées et les informations de pixels ; une analyse syntaxique est nécessaire avant d’obtenir un CSV rectangulaire.

Extraire un tableau numérisé avec un OCR

Une numérisation contenant du texte ou un tableau ne contient pas de cellules de tableur utilisables. L’OCR doit reconnaître les caractères et déduire les lignes et les colonnes ; exporter chaque pixel ne produirait donc pas les données demandées.

Pour un workflow local, Tesseract peut produire des données OCR positionnelles avec tesseract input.tif output tsv. Les enregistrements TSV comprennent les mots reconnus, les valeurs de confiance et les cadres englobants ; utilisez Python ou LibreOffice pour regrouper les mots en colonnes, corriger les erreurs et enregistrer le résultat au format CSV. ABBYY FineReader PDF est une option de bureau plus performante pour la reconnaissance de tableaux et l’export de tableurs. ABBYY FineReader PDF Online est une alternative en ligne pour les numérisations non confidentielles ; exportez au format XLSX lorsque cette option est disponible, puis ouvrez le classeur et enregistrez la feuille requise au format CSV.

Les services en ligne tels que CloudConvert ou Convertio peuvent prendre en charge certaines conversions TIFF, mais un service générique TIFF vers CSV ne peut pas déterminer si le CSV doit contenir des pixels, du texte OCR ou des cellules de tableau. Utilisez un service en ligne uniquement lorsque sa sortie documentée correspond à cette structure, et ne téléversez pas de numérisations confidentielles. Vérifiez manuellement les cellules fusionnées, les lignes tracées, l’inclinaison, le faible contraste et les caractères tels que 0/O après l’OCR.

Limites de qualité et de compatibilité

• Un CSV de pixels est généralement beaucoup plus volumineux que le TIFF compressé et élimine la compression TIFF, les profils colorimétriques, les balises, la structure des pages et le géoréférencement GeoTIFF, sauf si ces détails sont stockés séparément.
• La conversion de RGB en niveaux de gris modifie les données. Conservez des canaux séparés lorsque la couleur contient des informations de mesure.
• Les échantillons TIFF peuvent être des mesures étalonnées plutôt que des niveaux de luminosité affichés. Les exports scientifiques et de télédétection doivent préserver le type d’échantillon et enregistrer séparément l’échelle, le décalage, la valeur nodata, les unités et les métadonnées géospatiales.
• CSV ne possède ni délimiteur universel, ni système de types de données, ni convention de canaux, ni conteneur de métadonnées universels. Documentez l’encodage, le délimiteur, le séparateur décimal, la largeur et la hauteur de l’image, l’ordre des canaux, la représentation de nodata et la présence ou non d’en-têtes.
• Excel et les applications de tableur similaires imposent des limites au nombre de lignes, de colonnes et à la taille pratique des fichiers. Les rasters volumineux doivent rester dans un workflow de traitement numérique ou géospatial au lieu d’être ouverts directement dans un tableur.