using IronOcr; using IronSoftware.Drawing; // Podemos profundizar en los resultados del OCR como un modelo de objeto de // Páginas, códigos de barras, párrafos, líneas, palabras y caracteres // Esto nos permite explorar, exportar y dibujar contenidos OCR utilizando otras API/ var ocrTesseract = new IronTesseract(); ocrTesseract.Configuration.ReadBarCodes = true; using var ocrInput = new OcrInput(); var pages = new int[] { 1, 2 }; ocrInput.LoadImageFrames("example.tiff", pages); OcrResult ocrResult = ocrTesseract.Read(ocrInput); foreach (var page in ocrResult.Pages) { // Página objeto int PageNumber = page.PageNumber; string PageText = page.Text; int PageWordCount = page.WordCount; // null si no establecemos Ocr.Configuration.ReadBarCodes = true; OcrResult.Barcode[] Barcodes = page.Barcodes; AnyBitmap PageImage = page.ToBitmap(ocrInput); int PageWidth = page.Width; int PageHeight = page.Height; double PageRotation = page.Rotation; // corrección angular en grados de OcrInput.Deskew() foreach (var paragraph in page.Paragraphs) { // Páginas -> Párrafos int ParagraphNumber = paragraph.ParagraphNumber; string ParagraphText = paragraph.Text; AnyBitmap ParagraphImage = paragraph.ToBitmap(ocrInput); int ParagraphX_location = paragraph.X; int ParagraphY_location = paragraph.Y; int ParagraphWidth = paragraph.Width; int ParagraphHeight = paragraph.Height; double ParagraphOcrAccuracy = paragraph.Confidence; OcrResult.TextFlow paragrapthText_direction = paragraph.TextDirection; foreach (var line in paragraph.Lines) { // Páginas -> Párrafos -> Líneas int LineNumber = line.LineNumber; string LineText = line.Text; AnyBitmap LineImage = line.ToBitmap(ocrInput); int LineX_location = line.X; int LineY_location = line.Y; int LineWidth = line.Width; int LineHeight = line.Height; double LineOcrAccuracy = line.Confidence; double LineSkew = line.BaselineAngle; double LineOffset = line.BaselineOffset; foreach (var word in line.Words) { // Páginas -> Párrafos -> Líneas -> Palabras int WordNumber = word.WordNumber; string WordText = word.Text; AnyBitmap WordImage = word.ToBitmap(ocrInput); int WordX_location = word.X; int WordY_location = word.Y; int WordWidth = word.Width; int WordHeight = word.Height; double WordOcrAccuracy = word.Confidence; foreach (var character in word.Characters) { // Páginas -> Párrafos -> Líneas -> Palabras -> Caracteres int CharacterNumber = character.CharacterNumber; string CharacterText = character.Text; AnyBitmap CharacterImage = character.ToBitmap(ocrInput); int CharacterX_location = character.X; int CharacterY_location = character.Y; int CharacterWidth = character.Width; int CharacterHeight = character.Height; double CharacterOcrAccuracy = character.Confidence; // Salida de opciones de símbolos alternativos y su probabilidad. // Muy útil para la corrección ortográfica OcrResult.Choice[] Choices = character.Choices; } } } } }

COMPARACIóN CON OTROS COMPONENTES

Alternativas al OCR de Acrobat DC con IronOCR

Actualizado 12 de diciembre, 2023

Introducción

En la era digital, la demanda de una gestión eficaz de los documentos y de accesibilidad a la información ha dado lugar a tecnologías avanzadas que tienden puentes entre el contenido físico y el digital. Una de estas tecnologías, que se ha hecho indispensable en este contexto, es el reconocimiento óptico de caracteres. (OCR).

Adobe Acrobat Pro DC, una solución de archivos PDF muy utilizada, incorpora funciones de reconocimiento óptico de caracteres, lo que permite a los usuarios convertir documentos PDF escaneados y archivos de imagen en texto editable y con capacidad de búsqueda.

En este artículo, profundizaremos en la importancia del OCR de Acrobat DC, exploraremos sus funciones y aplicaciones y presentaremos IronOCR como una alternativa versátil para los desarrolladores que buscan potentes funciones de OCR.

Comprensión de la herramienta OCR de Acrobat DC

1. OCR en Adobe Acrobat DC

**Adobe Acrobat DC es una solución completa para documentos PDF que va más allá de la visualización y edición básicas de documentos. Una de sus características más destacadas es la función OCR incorporada, que permite a los usuarios editar documentos escaneados y convertir imágenes en texto que se puede buscar y editar.

Esta función ha demostrado ser inestimable para empresas, académicos y particulares que buscan liberar el potencial de sus contenidos digitalizados.

Alternativas al OCR de Acrobat DC mediante IronOCR: Figura 1

2. Reconocer documentos escaneados de texto

Adobe Acrobat OCR permite a los usuarios reconocer texto de archivos e imágenes escaneados y convertirlos en texto editable y archivos PDF en los que se pueden realizar búsquedas. Esto resulta especialmente útil cuando se trata de documentos heredados, notas manuscritas o material impreso que debe digitalizarse para almacenarlo, recuperarlo y editarlo con eficacia.

Alternativas al OCR de Acrobat DC mediante IronOCR: Figura 2

3. Mejorar la capacidad de búsqueda

La función OCR de Acrobat DC mejora significativamente la capacidad de búsqueda de los documentos PDF. Una vez extraído el texto de las imágenes escaneadas, los usuarios pueden buscar palabras clave específicas dentro del documento, lo que facilita la rápida localización de la información relevante. Esto es especialmente beneficioso en contextos de investigación, jurídicos y archivísticos.

4. Conservar el formato del documento

Acrobat DC OCR se esfuerza por conservar el formato del documento original, garantizando que el texto convertido se asemeje mucho al diseño del material de origen. Esto es crucial para mantener la integridad de los documentos, sobre todo en los casos en que el formato lleva información importante.

5. Apoyo lingüístico

Adobe Acrobat DC OCR es compatible con varios idiomas, lo que lo convierte en una solución versátil para usuarios de todo el mundo. Este soporte multilingüe garantiza que los documentos en varios idiomas puedan convertirse con precisión en texto editable.

Ventajas y limitaciones

Ventajas de Acrobat DC OCR

Integración con PDF Workflow: La funcionalidad OCR se integra a la perfección con el conjunto más amplio de herramientas PDF de Adobe Acrobat DC, ofreciendo una solución completa para la gestión de documentos dentro de una única plataforma.
Interfaz fácil de usar: Adobe Acrobat DC ofrece una interfaz fácil de usar, lo que hace que el OCR sea accesible para personas con distintos niveles de conocimientos técnicos. El proceso de convertir documentos escaneados en texto es intuitivo y puede realizarse con unos pocos clics.
Conservación del diseño del documento: La función de OCR de Acrobat DC es excelente a la hora de conservar el diseño del documento original, lo que garantiza que el texto convertido mantenga la disposición espacial de los elementos.

Limitaciones de Acrobat DC OCR

Personalización limitada: Aunque Acrobat DC OCR es eficaz en muchos casos, puede carecer del nivel de personalización necesario para aplicaciones específicas. Los usuarios que busquen un mayor control sobre los procesos de OCR pueden encontrar limitadas las opciones dentro del entorno de Adobe Acrobat.
Dependencia del ecosistema Adobe: La función OCR está integrada en Adobe Acrobat DC, lo que vincula a los usuarios al ecosistema Adobe. Esta dependencia puede limitar la flexibilidad de los usuarios que prefieren integrar la funcionalidad OCR en sus propias aplicaciones o flujos de trabajo.

Presentación de IronOCR

Aunque Acrobat DC OCR es una potente herramienta para usuarios particulares y empresas que invierten en el ecosistema de Adobe, los desarrolladores que busquen una solución de OCR más versátil pueden encontrar en IronOCR una alternativa convincente.

IronOCR una biblioteca de OCR desarrollada por Iron Software, se presenta como una alternativa potente y flexible para los desarrolladores que buscan funciones de OCR. IronOCR proporciona una API fácil de usar para los desarrolladores que permite una integración perfecta en diversas aplicaciones y lenguajes de programación como C#, VB.NET y F#. Esta flexibilidad garantiza que los desarrolladores puedan incorporar fácilmente la funcionalidad OCR a sus proyectos.

Alternativas al OCR de Acrobat DC mediante IronOCR: Figura 3

Características principales de IronOCR

Precisión: IronOCR es famoso por su gran precisión en el reconocimiento de texto. Sus avanzados algoritmos de OCR garantizan resultados fiables incluso en situaciones difíciles, por lo que es adecuado para una amplia gama de aplicaciones.
Versatilidad: Como librería .NET OCR, IronOCR soporta varios formatos de entrada, incluyendo imágenes y PDFs. Esta adaptabilidad la hace adecuada para diversos casos de uso, desde documentos escaneados hasta fotografías.
Soporte de Idiomas: IronOCR está diseñado para atender a una audiencia global, soportando múltiples idiomas. Esta flexibilidad garantiza que la biblioteca de OCR pueda tratar documentos en diferentes contextos lingüísticos.
Facilidad de integración: IronOCR es conocido por su perfecta integración en aplicaciones .NET. Los desarrolladores pueden incorporar fácilmente IronOCR a sus proyectos, lo que permite una implementación eficaz de la funcionalidad OCR sin requisitos de codificación complejos.
Personalización: IronOCR proporciona a los desarrolladores la flexibilidad necesaria para ajustar y personalizar el proceso de OCR en función de requisitos específicos. Este nivel de personalización garantiza un rendimiento óptimo adaptado a las características únicas de las distintas aplicaciones.

Ventajas de IronOCR para desarrolladores

Independencia de ecosistemas específicos: A diferencia de Acrobat DC OCR, IronOCR funciona independientemente de ecosistemas específicos, proporcionando a los desarrolladores la libertad de integrar la funcionalidad OCR en una amplia gama de aplicaciones.
Amplias opciones de personalización: IronOCR ofrece a los desarrolladores amplias opciones de personalización, lo que les permite adaptar los procesos de OCR a las necesidades específicas de sus aplicaciones. Este nivel de control es especialmente valioso para proyectos con requisitos únicos.
Soporte para varios formatos de entrada: IronOCR soporta varios formatos de entrada, convirtiéndolo en una solución versátil para desarrolladores que trabajan con diferentes tipos de documentos, imágenes y PDFs.
Comunidad y soporte: IronOCR se beneficia de una comunidad de desarrolladores y fuertes recursos de soporte, asegurando que los desarrolladores tengan acceso a asistencia y actualizaciones cuando sea necesario.

Ejemplo de código IronOCR

He aquí un sencillo ejemplo de código C# para extraer texto a partir de cualquier tipo de formato de archivo de imagen:

using IronOcr;
string imageText = new IronTesseract().Read(@"images\image.png").Text;
Console.WriteLine(imageText);

using IronOcr;
string imageText = new IronTesseract().Read(@"images\image.png").Text;
Console.WriteLine(imageText);

Imports IronOcr
Private imageText As String = (New IronTesseract()).Read("images\image.png").Text
Console.WriteLine(imageText)

VB C#

Para obtener información más detallada sobre las funcionalidades y capacidades de IronOCR, visite la bien documentada ejemplos de código y documentación páginas.

Conclusión

En conclusión, mientras que Adobe Acrobat DC OCR es una solución sólida para usuarios individuales y empresas dentro del ecosistema de Adobe, los desarrolladores que prioricen la flexibilidad y el control sobre los procesos de OCR pueden encontrar en IronOCR una potente alternativa.

El enfoque de IronOCR centrado en el desarrollador, las opciones de personalización avanzadas y la compatibilidad con los marcos de trabajo más populares ofrecen una solución más adaptada y rentable para los desarrolladores que deseen integrar OCR en sus aplicaciones sin problemas.

A medida que crece la demanda de extracción eficaz de textos y digitalización de documentos, las bibliotecas OCR como IronOCR están llamadas a desempeñar un papel crucial en la configuración del futuro de la accesibilidad y la gestión de la información. La elección entre estas soluciones de OCR depende en última instancia de las necesidades y preferencias específicas del usuario o desarrollador.

IronOCR proporciona un **Prueba gratuita debe comprarse. Descargar IronOCR para experimentar sus beneficios.

< ANTERIOR
Mejor motor OCR (herramientas gratuitas y de pago)

SIGUIENTE >
Textract OCR frente a IronOCR (breve comparación)