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; } } } } }

HERRAMIENTAS OCR

Cómo escanear una página a texto (Tutorial para principiantes)

Actualizado 13 de noviembre, 2023

En nuestro mundo cada vez más digital, la capacidad de convertir páginas escaneadas en texto editable se ha convertido en una herramienta esencial tanto para fines personales como profesionales. Tanto si desea extraer información vital de un documento impreso como transformar una imagen escaneada en texto digital, la tecnología de escaneado de página a texto puede ahorrarle tiempo y esfuerzo. En este artículo, exploraremos el concepto de escanear página a texto y presentaremos una herramienta en línea gratuita diferente que puede ayudarte a realizar esta tarea sin esfuerzo.

Comprender el proceso de conversión de página escaneada a texto

Escanear página a texto se refiere al proceso de convertir páginas escaneadas, que normalmente se almacenan como archivos de imagen o PDF, en texto sin formato. Esta conversión permite editar texto, buscar y manipular el texto de un documento escaneado con mayor facilidad. Las ventajas de este proceso son numerosas:

Archivo digital: La conversión de páginas escaneadas en texto sin formato permite archivar y organizar digitalmente los documentos de forma eficaz, facilitando el acceso a ellos para futuras consultas.
Extracción de contenido: Permite extraer texto y otros contenidos valiosos de materiales impresos, como libros, artículos y notas manuscritas, para diversos fines, como la investigación o la creación de copias de seguridad digitales.
Edición y formato: Una vez que conviertas imágenes escaneadas o documentos escaneados en texto sin formato, puedes editar, formatear o integrar fácilmente el contenido en otros documentos, presentaciones o plataformas digitales.
Mayor capacidad de búsqueda: Al convertir las páginas en texto, el contenido permite realizar búsquedas, lo que ahorra tiempo a la hora de buscar información específica en un documento.

Una herramienta en línea gratuita

Para quienes buscan una solución fácil de usar y gratuita para convertir páginas escaneadas o archivos PDF en texto, Online-convert.com es una excelente opción. Es un conversor OCR basado en web (Reconocimiento óptico de caracteres) que puede manejar una gran variedad de idiomas y convertir páginas escaneadas en formato de texto sin formato con facilidad. He aquí cómo utilizarlo:

Visite el sitio web de conversión en línea: Empiece por buscar en el sitio web de conversión en línea utilizando su navegador y motor de búsqueda preferidos o haga clic en https://www.online-convert.com/ocr/scan-to-text ****converter.
Cargue su página escaneada: Haga clic en el botón "Elegir archivo" para cargar la página escaneada que desea convertir. También puedes insertar archivos PDF de texto escaneados desde google drive y otras plataformas en la nube.
Seleccione el formato de salida: En la mayoría de los casos, querrá seleccionar el formato de salida como texto sin formato (TXT) para garantizar que la página escaneada se convierte en texto editable. También puedes elegir otras opciones como word, excel, powerpoint.
Inicie la conversión: Haga clic en el botón "Iniciar" para comenzar el proceso de OCR. Analizará la página escaneada y extraerá el texto.
**Una vez finalizada la conversión, online-convert le proporcionará un enlace de descarga. Haga clic en él para recuperar el archivo PDF cuyo texto convertido puede editarse y copiarse para su uso posterior. También puedes subir el texto convertido a plataformas en la nube para compartirlo con otras personas.
Online-convert ofrece una solución sencilla y eficaz con OCR para convertir páginas escaneadas en texto sin formato, lo que la hace accesible para una amplia gama de usuarios. Es una herramienta valiosa para tareas como digitalizar libros antiguos, extraer texto de documentos o simplemente hacer más manejable el contenido de texto escaneado.
El resultado es un archivo PDF altamente compatible que conserva el contenido de las páginas escaneadas, por lo que es fácilmente editable y permite realizar búsquedas.

SALIDA

Cómo escanear una página a texto (Tutorial para principiantes): Figura 5 - El archivo PDF resultante parece ser un PDF altamente compatible, editable y con capacidad de búsqueda que ha conservado el contenido y el formato del documento escaneado.

IronOCR Solución OCR avanzada para C#

Aunque las herramientas en línea gratuitas como Online-convert y otras herramientas de OCR son adecuadas para las necesidades básicas de escaneado de páginas a texto, existen soluciones más avanzadas para usuarios con requisitos más exigentes..

IronOCR es una biblioteca de OCR profesional diseñada para desarrolladores .NET C# que ofrece funciones avanzadas, una precisión excepcional y una amplia compatibilidad de formatos.

IronOCR destaca no sólo por escanear páginas y convertirlas en texto editable, sino también por su capacidad para **Leer texto a partir de imágenes que ofrece una solución versátil para extraer texto de diversas fuentes.

Entre los aspectos más destacados de IronOCR se incluyen:

Precisión inigualable: IronOCR emplea tecnología OCR de vanguardia para ofrecer una precisión superior, incluso con fuentes, idiomas y diseños difíciles.
Procesamiento avanzado de imágenes: Puede manejar páginas escaneadas de calidad variable, mejorando y preprocesando automáticamente las imágenes para obtener resultados óptimos de OCR.
Procesamiento por lotes: IronOCR permite el procesamiento de grandes lotes de páginas escaneadas, lo que lo hace ideal para empresas y organizaciones con necesidades de conversión de documentos de gran volumen.
Versatilidad de formatos: Admite una gran variedad de formatos de salida, incluidos PDF, Word, Excel y texto sin formato, lo que le proporciona flexibilidad a la hora de trabajar con las páginas convertidas.
Soporte multilingüe: IronOCR se adapta a múltiples idiomas, por lo que es adecuado para proyectos con diversos requisitos lingüísticos.
Una de sus características más destacadas es su amplia compatibilidad lingüística, que abarca más de 127 idiomas internacionales, incluidos el árabe, el chino, el inglés y muchos otros. Esta amplia compatibilidad lingüística hace que se adapte a diversos requisitos lingüísticos, permitiendo a los usuarios trabajar con contenidos en varios idiomas sin esfuerzo.

Conclusión

En conclusión, la capacidad de convertir imágenes escaneadas en texto y traducir textos de distintos idiomas ha revolucionado la forma de digitalizar y gestionar documentos en la era digital. Aunque las herramientas gratuitas en línea como Online-convert constituyen un excelente punto de partida para las necesidades básicas, soluciones más avanzadas como IronOCR ofrecen una potente alternativa para los usuarios que buscan funciones avanzadas y la máxima precisión. Tanto si es un usuario ocasional como un desarrollador que desea integrar funciones de OCR en sus aplicaciones, las herramientas de escaneado de páginas a texto ofrecen una comodidad y eficacia incalculables en el manejo de páginas escaneadas de datos y documentos.

Experimentar de primera mano el impacto transformador IronOCR le invitamos a que aproveche nuestra oferta de prueba gratuita. Para más información sobre las licencias comerciales de IronOCR, visite la página página de licencia.

< ANTERIOR
Cómo escanear a texto editable en C#

SIGUIENTE >
Aprendizaje automático de OCR de facturas (tutorial paso a paso)