OCR: cómo extraer texto de imágenes escaneadas
El reconocimiento óptico de caracteres (OCR) detecta caracteres en una foto o página escaneada y los convierte en texto que un programa puede buscar o copiar. El resultado es una predicción del software, no una transcripción verificada. ConverteArq no ofrece OCR actualmente; esta guía explica el proceso y sus límites.
Cuándo sirve el OCR
El OCR puede hacer que un documento escaneado se pueda buscar, copiar texto de una foto o preparar contenido para editarlo. Un PDF digital puede contener texto seleccionable y quizá no necesite OCR.
El reconocimiento no comprueba que un nombre, fecha, importe o instrucción sea correcto. Conserva el original y compara los pasajes importantes antes de usar el resultado.
Cómo extraer texto de una imagen
Elige un servicio o aplicación de OCR y comprueba los formatos e idiomas admitidos. Envía una imagen clara o un PDF escaneado dentro de los límites del proveedor, selecciona el idioma correcto si existe esa opción y exporta o copia el texto reconocido. Los pasos y funciones varían según el producto y la versión.
Compara el resultado con el original, sobre todo nombres, fechas, importes, tildes, columnas de tablas, escritura a mano y texto con poco contraste.
Prepara el escaneo y protege el documento
Usa un enfoque nítido, iluminación uniforme y líneas rectas. Evita sombras, reflejos, desenfoque y letras o bordes de tablas cortados. La documentación de Tesseract indica que su motor funciona mejor con 300 dpi o más; es una recomendación para Tesseract, no un requisito universal para todas las herramientas OCR o cámaras. Sigue las especificaciones de la entidad receptora.
Antes de subir un documento, consulta las reglas vigentes del proveedor sobre procesamiento, almacenamiento, conservación y acceso. Los documentos de identidad, financieros, médicos o empresariales pueden requerir un procedimiento local autorizado.
Preguntas frecuentes
¿Todas las herramientas OCR requieren 300 dpi?
No. Tesseract indica 300 dpi o más como recomendación para su propio motor. Otros programas, cámaras y entidades receptoras pueden tener requisitos distintos.
¿El OCR lee escritura a mano?
Algunos sistemas admiten escritura manual, pero el resultado depende del alfabeto, el idioma, la letra, la imagen, el modelo y el producto. Compáralo con el original.
¿Un PDF con texto buscable garantiza que sea correcto?
No. El texto buscable aún puede tener errores de reconocimiento o de orden de lectura. Comprueba los datos importantes en el original.
Referencias técnicas
Guía relacionada
Para fotografiar una página con claridad, consulta cómo escanear documentos con el móvil.