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 a texto editable en C#

Actualizado 14 de noviembre, 2023

En nuestro mundo cada vez más digital, la capacidad de convertir documentos escaneados en formato editable se ha convertido en una herramienta esencial tanto para fines personales como profesionales. Tanto si desea extraer información importante de una página impresa como transformar una nota manuscrita en un documento digital, el escaneado de documentos a formato editable puede ahorrarle tiempo y esfuerzo.

En este artículo, vamos a entender el concepto de escaneo a formato editable y utilizar un documento en línea gratis OCR(reconocimiento óptico de caracteres) para ayudarle a realizar esta tarea sin esfuerzo. Además, hablaremos de IronOCR, una solución avanzada para quienes buscan funciones más robustas.

Escanear a texto editable

Antes de seguir adelante, entendamos lo que significa "Escanear a contenido editable". Básicamente, se trata de convertir una imagen o un documento escaneado, normalmente en un formato no editable como un archivo PDF de Adobe Acrobat o un archivo de imagen, en un formato que permita editar, buscar y manipular el texto con facilidad.

Aplicaciones de la transformación de documentos escaneados en texto editable

Digitalización de documentos impresos

Muchas empresas y particulares tienen montones de documentos impresos que quieren convertir en archivos digitales para facilitar el acceso y las búsquedas.

Edición de texto escaneado

Cuando escaneas un documento o haces una foto de un texto, ya sea una tabla de un documento de Microsoft Word o algún documento original importante con caracteres muy espaciados, normalmente se convierte en una imagen estática; las herramientas de escaneado a contenido editable te permiten transformar esta imagen en un formato editable para que puedas hacer los cambios que necesites.

Extracción de datos

La conversión de datos escaneados en texto editable es crucial para el análisis de datos, especialmente cuando se trata de grandes volúmenes de información.

Archivo y organización

Transformar documentos en papel en archivos de texto editables facilita la organización, el almacenamiento y la recuperación de información.

Presentación de IronOCR

IronOCR es un programa y una biblioteca de software de OCR profesional y completo para desarrolladores .NET, que ofrece funciones avanzadas de OCR, una precisión excepcional y una amplia compatibilidad de formatos.

IronOCR es una herramienta versátil que puede convertir texto impreso o manuscrito en imágenes en texto editable y legible con el que podrá trabajar eficazmente. Es ideal para convertir documentos escaneados en texto que puedes editar, buscar u organizar.

Características de IronOCR

Aquí está cómo funciona IronOCR para transformar contenido escaneado en texto editable:

Compatibilidad: Se puede utilizar en diferentes tipos de ordenadores y para diferentes tipos de software. Así que, tanto si usas un PC con Windows como un Mac, o incluso plataformas en la nube como Azure o AWS, IronOCR puede ser tu herramienta de referencia.
Motor OCR: IronOCR se apoya en un brillante motor llamado Tesseract, excelente para reconocer texto de imágenes. Este motor puede entender texto en varios idiomas y tipos de letra.
Lectura de texto y códigos de barras: IronOCR también puede entender códigos de barras y códigos QR. Por lo tanto, si tiene un documento con códigos de barras o códigos QR, IronOCR puede leerlos.
Documentos especializados: Es bueno para entender documentos especializados como recibos, cheques (cheques)y facturas. Si tiene un montón de ellos, IronOCR puede facilitar su gestión.
Visión por ordenador: IronOCR puede utilizar la "visión por ordenador" para encontrar texto en imágenes complicadas, incluso si el texto está en lugares extraños o en ángulos raros. Es como tener un par de ojos superinteligentes para tu ordenador.
Filtros: También puede "limpiar" las imágenes, haciéndolas más legibles. Imagínatelo como una herramienta capaz de enfocar fotos borrosas, mejorar la calidad de imagen y eliminar cosas no deseadas de las imágenes.
Salida de datos estructurados: Después de leer el texto, lo organiza ordenadamente en páginas, bloques, párrafos, líneas, palabras y caracteres. Esta organización del texto le facilita el trabajo.
Exportar Documentos: Si desea guardar el texto en diferentes formatos, como PDFs con opción de búsqueda o HTML, IronOCR puede hacerlo por usted.

Comparación con software OCR en línea

Mientras que herramientas en línea gratuitas como OCR en línea son adecuados para tareas básicas de extracción de texto de escaneos para su edición, IronOCR lleva el juego a un nuevo nivel. En el ámbito de los programas OCR, navegar por las complejidades puede parecer a menudo una tarea desalentadora. Muchos usuarios comienzan su viaje buscando una solución en el "menú Archivo" y abriendo el programa ABBYY FineReader desde el "menú Inicio de Windows". ABBYY FineReader, una conocida herramienta de OCR, se ha ganado un reputado lugar en el ámbito del OCR.

Al utilizar ABBYY FineReader, los usuarios hacen clic en el botón "Escanear" para iniciar el proceso de OCR dentro de la ventana de ABBYY FineReader. Este popular programa de OCR cuenta con diversas funciones y capacidades, lo que lo convierte en un formidable contendiente en el ámbito del OCR.

Sin embargo, cuando se trata de una comparación cara a cara con IronOCR, empiezan a surgir las diferencias. IronOCR, una versátil biblioteca C# .NET, ofrece una sólida alternativa. Supera a ABBYY FineReader en varios aspectos

Alta precisión: IronOCR es famoso por su alta precisión, que garantiza un reconocimiento preciso del texto, incluso con fuentes y diseños complejos en cursiva o itálica.
Preprocesamiento avanzado de imágenes: Puede manejar una imagen escaneada con varios niveles de calidad, mejorando y preprocesando automáticamente las imágenes para obtener resultados óptimos de OCR.
Flexibilidad de formatos: Admite múltiples formatos de entrada y salida, incluidos un archivo PDF escaneado, un programa de procesamiento de textos, hojas de cálculo Excel y archivos de texto de edición simple.
Soporte de idiomas: IronOCR soporta numerosos idiomas, proporcionando hasta 127+ paquetes de idiomas, haciéndolo adecuado para proyectos internacionales y documentos multilingües.

Conclusión

En conclusión, la tecnología OCR de escaneado a texto editable ha revolucionado la forma en que manejamos los documentos, formateamos los datos y la información en esta era digital. Mientras que las herramientas en línea gratuitas como Online OCR ofrecen un cómodo punto de partida para las necesidades básicas, IronOCR ofrece una potente solución para los usuarios que buscan funciones avanzadas y la máxima precisión.

Tanto si es un usuario ocasional como si es un desarrollador que desea integrar el OCR en sus aplicaciones, convertir el texto escaneado en contenido editable está lleno de posibilidades que le harán la vida más fácil y eficaz.

Nuestras opciones de licencia incluyen Equipo y licencias ilimitadas. Las licencias perpetuas proporcionan asistencia continua, mientras que la garantía de devolución del dinero en 30 días asegura la satisfacción.

Cómo Escanear a Texto Editable en C#: Figura 2