C# Filtros de corrección de imágenes para mejorar la lectura de OCR

¿Por qué la nitidez mejora la precisión del OCR?

El filtro de nitidez acentúa los límites entre el texto y el fondo mejorando el contraste de los bordes. Los algoritmos de reconocimiento de caracteres necesitan formas claras y definidas de las letras para funcionar correctamente. El texto borroso con bordes suaves, común en documentos escaneados o fotos de baja calidad, hace que los motores de OCR identifiquen erróneamente los límites de los caracteres. Para obtener más información sobre el procesamiento óptimo de imágenes para OCR, consulta nuestra completa guía sobre Filtros de optimización de imágenes para OCR.

Para aplicar el filtro de enfoque, invoque el método Sharpen del objeto OcrImageInput:

:path=/static-assets/ocr/content-code-examples/how-to/image-quality-correction-sharpen-filter.cs

using IronOcr;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Add image
using var imageInput = new OcrImageInput("sample.jpg");
// Apply sharpen filter
imageInput.Sharpen();

// Export filtered image
imageInput.SaveAsImages("sharpen.jpg");

Imports IronOcr

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Add image
Private imageInput = New OcrImageInput("sample.jpg")
' Apply sharpen filter
imageInput.Sharpen()

' Export filtered image
imageInput.SaveAsImages("sharpen.jpg")

¿Cuándo debo utilizar el filtro Sharpen?

Utilice el enfoque para imágenes ligeramente desenfocadas, documentos escaneados con bordes de texto suaves o fotografías tomadas con poca luz. Evite dar demasiada nitidez al texto claro, ya que esto introduce artefactos y reduce la precisión. Para escaneos extremadamente borrosos, combina la nitidez con otros filtros o consulta nuestra guía sobre Cómo arreglar escaneos e imágenes de baja calidad.

Exportación de imágenes filtradas mediante el método SaveAsImages. A continuación se muestra una comparación del antes y el después.

Antes

Después

¿Qué PPP debo utilizar para el OCR?

Los motores de OCR funcionan mejor a 300 DPI (puntos por pulgada). Las resoluciones más bajas provocan errores de reconocimiento de caracteres; las resoluciones más altas ralentizan el procesamiento sin mejorar la precisión. El filtro de mejora de IronOCR aumenta de forma inteligente la escala de las imágenes a niveles óptimos de PPP. Para obtener información detallada, consulte nuestra guía Configuración de la DPI.

Invoca el método EnhanceResolution para aplicar este filtro. El objetivo predeterminado es 225 PPP:

using IronOcr;

// Create OCR input
var imageInput = new OcrImageInput("low-res-scan.jpg");

// Apply enhance resolution filter with default 225 DPI
imageInput.EnhanceResolution();

// Or specify a custom DPI
imageInput.EnhanceResolution(300);

// Combine with OCR reading
var ocr = new IronTesseract();
var result = ocr.Read(imageInput);
Console.WriteLine($"Extracted text: {result.Text}");

using IronOcr;

// Create OCR input
var imageInput = new OcrImageInput("low-res-scan.jpg");

// Apply enhance resolution filter with default 225 DPI
imageInput.EnhanceResolution();

// Or specify a custom DPI
imageInput.EnhanceResolution(300);

// Combine with OCR reading
var ocr = new IronTesseract();
var result = ocr.Read(imageInput);
Console.WriteLine($"Extracted text: {result.Text}");

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cuándo es más importante mejorar la resolución?

La mejora de la resolución es crucial para:

• Capturas de pantalla capturadas a resolución de pantalla (72-96 PPP)
• Imágenes web descargadas de Internet
• Documentos históricos escaneados a baja resolución
• Transmisiones de fax con una resolución inherentemente baja

El ejemplo OCR Tesseract Image DPI proporciona información sobre cómo los PPP afectan a la precisión en distintos tipos de documentos.

Antes

Después

¿Cuál es la diferencia entre la morfología 2x2 y 3x3?

El tamaño de la morfología determina la fuerza de eliminación de ruido. Una morfología 2x2 aplica una suave reducción de ruido para minimizar los artefactos y preservar el texto. La morfología 3x3 proporciona una eliminación agresiva del ruido en documentos muy degradados, pero puede afectar a textos muy pequeños.

Para aplicar el filtro de eliminación de ruido, utiliza el método DeNoise. La morfología por defecto es 2x2. Pase 'true' para morfología 3x3:

using IronOcr;

// Load noisy document
var imageInput = new OcrImageInput("noisy-scan.pdf");

// Apply denoise filter with default 2x2 morphology
imageInput.DeNoise();

// Apply stronger denoising with 3x3 morphology
imageInput.DeNoise(true);

// Combine with other filters for severely degraded images
imageInput.DeNoise()
         .Sharpen()
         .EnhanceResolution(300);

// Process with OCR
var ocr = new IronTesseract();
var result = ocr.Read(imageInput);

// Check confidence levels
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page confidence: {page.Confidence}%");
}

using IronOcr;

// Load noisy document
var imageInput = new OcrImageInput("noisy-scan.pdf");

// Apply denoise filter with default 2x2 morphology
imageInput.DeNoise();

// Apply stronger denoising with 3x3 morphology
imageInput.DeNoise(true);

// Combine with other filters for severely degraded images
imageInput.DeNoise()
         .Sharpen()
         .EnhanceResolution(300);

// Process with OCR
var ocr = new IronTesseract();
var result = ocr.Read(imageInput);

// Check confidence levels
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page confidence: {page.Confidence}%");
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cómo puedo saber si mi imagen necesita eliminación de ruido?

Busque estos indicadores de ruido:

• Motas o puntos aleatorios en el fondo
• Ruido de sal y pimienta por escaneado deficiente
• Granulosidad de la fotografía con ISO alto
• Textura de fondo de papel reciclado

Para la detección automática de ruido, explore nuestro Asistente de filtrado.

Antes

Después

¿Cuándo debo aplicar la dilatación al texto?

La dilatación funciona mejor con caracteres de texto finos o entrecortados que se encuentran en:

• Documentos de máquina de escribir antigua con tinta inconsistente
• Recibos descoloridos e impresiones en papel térmico
• Documentos con fuentes hairline
• Texto sobrecomprimido en formatos de imagen

La dilatación rellena pequeños huecos dentro de los caracteres y refuerza las conexiones de trazos débiles. De este modo se evita que los motores de OCR interpreten erróneamente los caracteres entrecortados como símbolos múltiples.

Para aplicar el filtro de dilatación, utiliza el método Dilate. La morfología por defecto es 2x2; pase 'true' para 3x3:

using IronOcr;

// Create OCR engine
var ocrTesseract = new IronTesseract();

// Apply dilate filter
var imageInput = new OcrImageInput("thin-text.jpg");
imageInput.Dilate();

// For more aggressive dilation
imageInput.Dilate(true);

// Practical example for faded receipt processing
var receiptInput = new OcrImageInput("faded-receipt.jpg");
receiptInput.Dilate()
           .DeNoise()
           .EnhanceResolution(300);

// Configure for better receipt reading
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.SingleBlock;
ocrTesseract.Configuration.ReadBarCodes = true;

// Perform OCR
var result = ocrTesseract.Read(receiptInput);

using IronOcr;

// Create OCR engine
var ocrTesseract = new IronTesseract();

// Apply dilate filter
var imageInput = new OcrImageInput("thin-text.jpg");
imageInput.Dilate();

// For more aggressive dilation
imageInput.Dilate(true);

// Practical example for faded receipt processing
var receiptInput = new OcrImageInput("faded-receipt.jpg");
receiptInput.Dilate()
           .DeNoise()
           .EnhanceResolution(300);

// Configure for better receipt reading
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.SingleBlock;
ocrTesseract.Configuration.ReadBarCodes = true;

// Perform OCR
var result = ocrTesseract.Read(receiptInput);

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cuáles son los problemas comunes de la dilatación excesiva?

Una dilatación excesiva puede causar:

• Sangrado de caracteres donde se unen letras adyacentes
• Pérdida de detalles internos (huecos en 'e' u '8')
• Precisión reducida para texto en negrita

Supervise los resultados y ajústelos en consecuencia. Para documentos con pesos de texto mixtos, utilice nuestros filtros de corrección de calidad de imagen de forma selectiva.

Antes

Después

¿Por qué la erosión ayuda con el texto grueso?

La erosión adelgaza los trazos del texto y separa los caracteres que se tocan. Este filtro destaca con:

• Documentos impresos sobreentintados
• Fotocopias con sangrado de caracteres
• Texto en negrita que aparece fusionado
• Transmisiones de fax de baja calidad

La erosión cuidadosa restaura la separación de caracteres y mejora el reconocimiento de letras individuales, evitando que se lean mal palabras enteras.

Utilice el método Erode para aplicar este filtro. La morfología por defecto es 2x2; pase 'true' para 3x3:

using IronOcr;

// Create OCR instance
var ocrTesseract = new IronTesseract();

// Load image with thick text
var imageInput = new OcrImageInput("thick-text.jpg");

// Apply erode filter
imageInput.Erode();

// Stronger erosion for heavily bleeding text
imageInput.Erode(true);

// Example: Processing a poor-quality photocopy
var photocopyInput = new OcrImageInput("thick-text-photocopy.pdf");

// Apply erosion followed by sharpening for best results
photocopyInput.Erode()
              .Sharpen()
              .EnhanceResolution(300);

// Configure OCR for better accuracy
ocrTesseract.Configuration.BlackListCharacters = "~`@#$%^&*()_+-={}[]|\\:\";<>?,./";
ocrTesseract.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789 ";

var ocrResult = ocrTesseract.Read(photocopyInput);

// Extract with confidence check
var highConfidenceText = ocrResult.Blocks
    .Where(b => b.Confidence > 90)
    .Select(b => b.Text);

using IronOcr;

// Create OCR instance
var ocrTesseract = new IronTesseract();

// Load image with thick text
var imageInput = new OcrImageInput("thick-text.jpg");

// Apply erode filter
imageInput.Erode();

// Stronger erosion for heavily bleeding text
imageInput.Erode(true);

// Example: Processing a poor-quality photocopy
var photocopyInput = new OcrImageInput("thick-text-photocopy.pdf");

// Apply erosion followed by sharpening for best results
photocopyInput.Erode()
              .Sharpen()
              .EnhanceResolution(300);

// Configure OCR for better accuracy
ocrTesseract.Configuration.BlackListCharacters = "~`@#$%^&*()_+-={}[]|\\:\";<>?,./";
ocrTesseract.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789 ";

var ocrResult = ocrTesseract.Read(photocopyInput);

// Extract with confidence check
var highConfidenceText = ocrResult.Blocks
    .Where(b => b.Confidence > 90)
    .Select(b => b.Text);

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cómo equilibrar la erosión con la legibilidad del texto?

Encontrar el nivel de erosión adecuado requiere pruebas minuciosas:

• Empezar con morfología 2x2 por defecto
• Prueba con muestras representativas de documentos
• Compruebe que los signos de puntuación permanezcan visibles
• Garantizar que las fuentes finas no se estropeen

Para documentos con pesos de texto mixtos, consulte nuestras opciones de configuración avanzadas.

Antes

Después

¿Cuál es la ventaja de conservar los cambios de filtro?

Preservar los cambios de filtro ofrece varias ventajas:

• Crea documentos más limpios y legibles
• Mantiene la coherencia en todos los lotes de documentos
• Proporciona confirmación visual de las mejoras en la calidad del texto
• Permite realizar comparaciones de control de calidad

La creación de PDF con capacidad de búsqueda incorpora una capa de texto OCR al tiempo que mantiene el aspecto visual. Más información en nuestra guía sobre creación de PDF con función de búsqueda.

using IronOcr;

var ocr = new IronTesseract();
var ocrInput = new OcrInput();

// Load a PDF file
ocrInput.LoadPdf("invoice.pdf");

// Apply multiple filters for comprehensive improvement
ocrInput.ToGrayScale()
        .DeNoise()
        .Sharpen()
        .EnhanceResolution(300);

// Perform OCR
OcrResult result = ocr.Read(ocrInput);

// Save the result as a searchable PDF with filters applied
result.SaveAsSearchablePdf("outputFiltered.pdf", true);

// Or save without filters to preserve original appearance
result.SaveAsSearchablePdf("outputOriginal.pdf", false);

// Export to other formats
result.SaveAsTextFile("extracted-text.txt");
result.SaveAsHocrFile("output.html");

using IronOcr;

var ocr = new IronTesseract();
var ocrInput = new OcrInput();

// Load a PDF file
ocrInput.LoadPdf("invoice.pdf");

// Apply multiple filters for comprehensive improvement
ocrInput.ToGrayScale()
        .DeNoise()
        .Sharpen()
        .EnhanceResolution(300);

// Perform OCR
OcrResult result = ocr.Read(ocrInput);

// Save the result as a searchable PDF with filters applied
result.SaveAsSearchablePdf("outputFiltered.pdf", true);

// Or save without filters to preserve original appearance
result.SaveAsSearchablePdf("outputOriginal.pdf", false);

// Export to other formats
result.SaveAsTextFile("extracted-text.txt");
result.SaveAsHocrFile("output.html");

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cómo elegir entre PDF filtrados y originales?

Guardar con filtros (true) cuando:

• La calidad del documento original es deficiente
• Se necesita un aspecto coherente en todos los documentos
• La versión filtrada mejora notablemente la legibilidad
• Archivado de documentos a largo plazo

Guardar sin filtros (falso) cuando:

• La ley exige que se conserve el aspecto original
• La información sobre el color es importante
• Debe mantenerse la autenticidad del documento
• Sólo se necesitan filtros para la precisión del OCR

Para conocer las opciones avanzadas de procesamiento de PDF, explore nuestra Guía de extracción de texto de PDF OCR. Para conocer las combinaciones óptimas de filtros, consulte el Tutorial del Asistente para filtros.