loading...

viernes, 12 de enero de 2018

Convertir imagenes escaneadas a word para editarlas conSoftware OCR o reconocimiento óptico de caracteres OCR. Mejores OCR. Los mejroes softwares OCR.

El reconocimiento óptico de caracteres (ROC), generalmente conocido como reconocimiento de caracteres y expresado con frecuencia con la sigla OCR (del inglés Optical Character Recognition), es un proceso dirigido a la digitalización de textos, los cuales identifican automáticamente a partir de una imagen símbolos o caracteres que pertenecen a un determinado alfabeto, para luego almacenarlos en forma de datos. Así podremos interactuar con estos mediante un programa de edición de texto o similar.
En los últimos años la digitalización de la información (textos, imágenes, sonido, etcétera) ha devenido un punto de interés para la sociedad. En el caso concreto de los textos, existen y se generan continuamente grandes cantidades de información escrita, tipográfica o manuscrita en todo tipo de soportes. En este contexto, poder automatizar la introducción de caracteres evitando la entrada por teclado implica un importante ahorro de recursos humanos y un aumento de la productividad, al mismo tiempo que se mantiene, o hasta se mejora, la calidad de muchos servicios.

OCR, conocido en español como ROC (reconocimiento óptico de caracteres), es un proceso mediante el cual, a partir de un texto digitalizado, se pueden identificar las letras, símbolos y caracteres para almacenarlos en forma de texto y poder utilizarlos, por ejemplo, en un procesador de textos como Word.
Gracias a los programas OCR, en lugar de tener que transcribir un documento completo, simplemente escaneando o digitalizando las páginas vamos a poder extraer de ellas todo el texto para insertarlo, como hemos dicho, en un procesador de textos como Word o cualquier otro programa similar. Aunque el resultado no suele ser exacto al 100%, sí suele ser bastante preciso y, una vez digitalizado y extraído el texto, bastará con una sencilla revisión superficial para corregir cualquier error de reconocimiento de caracteres y poder así guardar nuestro documento en el ordenador en modo de texto.
Existen varias aplicaciones OCR para extraer texto de imágenes e importarlo en un procesador. A continuación, vamos a ver las más conocidas y utilizadas.


ABBYY FineReader, uno de los programas OCR más completos

ABBYY FineReader es una aplicación que nos permite reconocer todos los caracteres de una imagen o un documento PDF, extraerlos y permitirnos copiarlos y trabajar con ellos como si fueran texto plano. Esta es una de las herramientas más efectivas, con una tasa de acierto muy elevada, y compatible con más de 190 lenguajes diferentes. Además, se integra perfectamente con Microsoft Word de manera que, si escaneamos un documento, automáticamente podamos tenerlo en forma de texto en la herramienta de Microsoft.
Aunque este es, probablemente, el programa más eficaz en este aspecto, el principal problema es que es de pago, y no precisamente barato (200 euros la versión más limitada en funciones), por lo que si estamos buscando un programa que nos permite convertir nuestros escaneos a texto, podemos probar cualquiera de las siguientes alternativas gratuitas.

Tesseract, una librería OCR 100% JavaScript

Esta librería OCR empezó sus andadas en 1995 y, desde entonces, ha seguido creciendo y actualizándose hasta ser una de las mejores herramientas de reconocimiento digital de caracteres dentro del ámbito gratuito y OpenSource. Esta aplicación puede resultar un poco complicada de utilizar ya que su uso debe hacerse desde terminal o desde una ventana de CMD, sin embargo, los comandos son muy sencillos y el resultado que nos ofrece es excelente a nivel de precisión.
tesseract
Podemos encontrar más información sobre él, una guía de instalación y uso y su descarga desde su página principal de GitHub. Esta aplicación está disponible para Windows, Linux y macOS.

GImageReader, un frontend para Tesseract

En el punto anterior hemos hablado de la librería Tesseract escrita en JavaScripy y dijimos que su principal inconveniente es que debe utilizarse desde un terminal.
GImageReader es un frontend, o una interfaz, que utiliza esta librería y que nos permite hacer uso de las funciones de reconocimiento de una forma muy sencilla e intuitiva. Gracias a esta herramienta, los usuarios que no se atrevan a usar Tesseract con comandos podrán utilizar cómodamente la librería desde una ventana con teclado y ratón.
GImageReader
Esta herramienta está disponible para Windows y Linux, y podemos descargarla desde el siguiente enlace.

(a9t9) Free OCR Software

(a9t9) Free OCR Software es una alternativa más, también de código abierto, a las aplicaciones de reconocimiento de caracteres anteriores. Esta opción cuenta también con un alto porcentaje de éxito y, además, puede ejecutarse directamente desde el navegador sin necesidad de instalar ningún software adicional.
a9t9 free OCR Software
Podemos utilizar esta herramienta directamente desde nuestro navegador desde su página web principal. Si queremos, también podemos descargar un cliente gratuito desde la Windows Store (para Windows 8 y Windows 10) y una extensión para Google Chrome.

Free OCR to Word, una alternativa más gratuita

Aunque nos salimos del ámbito OpenSource, no queríamos terminar sin hablar de Free OCR to Word. Esta aplicación nos permite reconocer los caracteres de distintos formatos de archivos, como JPG, JPEG, PSD, PNG, GIF, TIFF y BMP, entre otros, e importarlos directamente a un documento de Word totalmente editable de manera que evitemos la tediosa tarea de reescribir estos documentos.
Podemos descargar esa aplicación de forma gratuita desde su página web principal.
¿Conoces o utilizas otras aplicaciones de reconocimiento óptico de caracteres?

No hay comentarios:

Publicar un comentario