Las soluciones de OCR (Reconocimiento Óptico de Caracteres) convierten imágenes de texto escaneado en múltiples formatos a texto legible por máquina. Esto tiene muchos casos de uso para la extracción de datos y el procesamiento de archivos. Un ejemplo es el escaneo e indexación de catálogos de papel y documentos para almacenamiento y procesamiento digital. Esto es ahora un elemento básico para las empresas que buscan digitalizar sus archivos, ya sean periódicos antiguos o recibos de hace años.

Este artículo mostrará cómo puedes hacer OCR para convertir documentos físicos en formatos digitales usando diferentes software OCR Enterprise. A continuación se muestra una lista del software OCR que se discutirá en este artículo.

• Rossum
• Adobe Acrobat Pro DC
• Nanonets
• IronOCR

Rossum

Rossum es un producto de software OCR que ahorra tiempo y esfuerzo a las personas en la extracción de datos de documentos de Microsoft Office o archivos PDF. Rossum puede procesar y convertir rápidamente facturas y formularios PDF en documentos digitalizados. Está diseñado para escanear e interpretar varios tipos de archivos y para editar PDFs con datos estructurados.

Rossum toma automáticamente en cuenta el diseño, formato, firmas y otras variables. Varias características forman la base de las capacidades de procesamiento de este producto. Estas características incluyen integraciones en profundidad, semántica de codificación, confirmaciones automatizadas, edición de PDF, extracción de datos, flujos de trabajo de documentos, carga de archivos, procesamiento de documentos, conversión de imágenes, conversión de PDF, digitalización de documentos y notificaciones de eventos. Las conversiones desencadenadas por estas notificaciones pueden configurarse para coincidir con los requisitos de tu negocio.

Precios

Rossum no es un producto OCR gratuito, pero puedes usar su prueba gratuita en una aplicación web. También puedes descargar la versión de escritorio que ofrece el mismo flujo de trabajo para extraer datos de múltiples documentos para la entrada de datos.

Rossum

Adobe Acrobat Pro DC

Adobe Acrobat Pro DC es un software de edición de PDF que puede detectar texto de documentos escaneados y convertir estos documentos en formatos editables. Pro DC proporciona una solución completa de PDF para cualquier dispositivo. Dentro de la aplicación, los usuarios pueden crear y editar archivos PDF, firmar digitalmente PDFs, comprimir documentos y convertir PDFs y otros documentos escaneados en diferentes formatos (como formatos de Microsoft Office o archivos de imagen JPG).

Además de sus capacidades de reconocimiento de texto, Adobe Acrobat Pro DC también puede recortar, rotar, eliminar y anotar páginas en documentos PDF.

Precios

Adobe Acrobat Pro DC no es un producto de software gratuito, pero ofrece una prueba gratuita por un período de tiempo limitado. Puedes comprarlo en el sitio web de Adobe o en la aplicación móvil de Acrobat reader.

Adobe Acrobat Pro DC

Nanorredes

Nanonets es una solución OCR potenciada por IA que extrae datos de documentos sin interferencia humana. El programa es libre de complicaciones y errores, y puede manejar muchos idiomas para la captura de datos. La solución puede evaluar rápidamente los datos capturados recopilados del papel, y la IA aprende a medida que el uso crece. Podemos automatizar entrada de datos manual utilizando la tecnología OCR basada en IA de Nanonets. El paquete de software puede extraer datos de documentos que contienen información en un formato lineal, como facturas, órdenes de compra y archivos de texto editables.

Precios

Nanonets ofrece una versión gratuita de su software para principiantes (capaz de procesar hasta 100 páginas) así como un período de prueba de 7 días. Nanonets está disponible en la Nube, Windows y Mac.

Nanonets

IronOCR: Biblioteca de OCR .NET

IronOCR

La biblioteca IronOCR .NET es la mejor solución de software OCR para extraer texto de imágenes de baja resolución. La biblioteca es compatible con todas las versiones de .NET. IronOCR también es compatible con diferentes resoluciones de pantalla y motores OCR (como Tesseract).

A continuación se enumeran algunas fantásticas características de IronOCR:

• Soporta varios formatos de archivo como JPG, PNG, TIFF, PDF y muchos otros.
• Puede convertir archivos PDF en documentos editables con un código sencillo.
• Corrige escaneos y fotos de baja calidad usando tecnología de IA.
• Soporta lectura de códigos de barras.
• Soporta 125 idiomas internacionales.

Veamos cómo puedes realizar OCR en una imagen usando la biblioteca IronOCR en un proyecto .NET.

Extracción de datos de documentos en papel escaneados

using IronOcr;

// Instantiate an IronTesseract object, which will perform OCR operations
var Ocr = new IronTesseract();

// Initialize an OcrInput object to handle input documents for OCR processing
using (var Input = new OcrInput())
{
    // Add a password-protected PDF document to the input
    Input.AddPdf("example.pdf", "password");

    // Read the input document and perform OCR, resulting in readable text output
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Instantiate an IronTesseract object, which will perform OCR operations
var Ocr = new IronTesseract();

// Initialize an OcrInput object to handle input documents for OCR processing
using (var Input = new OcrInput())
{
    // Add a password-protected PDF document to the input
    Input.AddPdf("example.pdf", "password");

    // Read the input document and perform OCR, resulting in readable text output
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Instantiate an IronTesseract object, which will perform OCR operations
Private Ocr = New IronTesseract()

' Initialize an OcrInput object to handle input documents for OCR processing
Using Input = New OcrInput()
	' Add a password-protected PDF document to the input
	Input.AddPdf("example.pdf", "password")

	' Read the input document and perform OCR, resulting in readable text output
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Imports IronOcr

' Instantiate an IronTesseract object, which will perform OCR operations
Private Ocr = New IronTesseract()

' Initialize an OcrInput object to handle input documents for OCR processing
Using Input = New OcrInput()
	' Add a password-protected PDF document to the input
	Input.AddPdf("example.pdf", "password")

	' Read the input document and perform OCR, resulting in readable text output
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Extracción de datos de imágenes

using IronOcr;

// Initialize IronTesseract to handle OCR operations
var Ocr = new IronTesseract();

// Create OcrInput object, specifying the path to the image for OCR
using (var Input = new OcrInput(@"images\image.png"))
{
    // Optionally deskew the image to improve OCR accuracy
    Input.Deskew();

    // Optionally apply noise reduction for better accuracy, recommended if accuracy < 97%
    // Input.DeNoise();

    // Execute OCR on the input image and get the resultant text
    var Result = Ocr.Read(Input);

    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize IronTesseract to handle OCR operations
var Ocr = new IronTesseract();

// Create OcrInput object, specifying the path to the image for OCR
using (var Input = new OcrInput(@"images\image.png"))
{
    // Optionally deskew the image to improve OCR accuracy
    Input.Deskew();

    // Optionally apply noise reduction for better accuracy, recommended if accuracy < 97%
    // Input.DeNoise();

    // Execute OCR on the input image and get the resultant text
    var Result = Ocr.Read(Input);

    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize IronTesseract to handle OCR operations
Private Ocr = New IronTesseract()

' Create OcrInput object, specifying the path to the image for OCR
Using Input = New OcrInput("images\image.png")
	' Optionally deskew the image to improve OCR accuracy
	Input.Deskew()

	' Optionally apply noise reduction for better accuracy, recommended if accuracy < 97%
	' Input.DeNoise();

	' Execute OCR on the input image and get the resultant text
	Dim Result = Ocr.Read(Input)

	' Print the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Imports IronOcr

' Initialize IronTesseract to handle OCR operations
Private Ocr = New IronTesseract()

' Create OcrInput object, specifying the path to the image for OCR
Using Input = New OcrInput("images\image.png")
	' Optionally deskew the image to improve OCR accuracy
	Input.Deskew()

	' Optionally apply noise reduction for better accuracy, recommended if accuracy < 97%
	' Input.DeNoise();

	' Execute OCR on the input image and get the resultant text
	Dim Result = Ocr.Read(Input)

	' Print the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Precios

IronOCR es gratuito para su uso no comercial. Se requieren licencias para uso comercial, pero hay disponible una prueba gratuita con fines de evaluación. Su valor base comienza desde $999.

IronOCR

Conclusión

Este artículo presentó cuatro potentes productos OCR que pueden ayudar a individuos y empresas a automatizar rápidamente sus tareas de procesamiento de datos. La biblioteca IronOCR se presenta como una buena alternativa para extraer datos de formularios, tarjetas de visita o cualquier otro documento. La biblioteca IronOCR .NET no requiere bibliotecas externas para ser instaladas en la máquina donde se está utilizando, lo que significa que se puede usar en cualquier dispositivo con el marco .NET instalado.

Iron Software ofrece una suite de cinco poderosas herramientas de software por el precio de solo dos de ellas. Encuentra más información en esta página.