Imagen a texto (OCR)

Cuándo el OCR te ahorra tiempo de verdad

El reconocimiento óptico de caracteres merece la pena siempre que estés a punto de volver a teclear algo que ya tienes delante. Casos típicos:

• Una captura de pantalla de un mensaje de error, un fragmento de configuración o un chat que necesitas pegar en una incidencia o en un buscador.
• Una foto de un ticket impreso, un número de factura, una placa de número de serie o la tarjeta con la contraseña del Wi-Fi.
• Una página escaneada de un libro o un contrato de la que necesitas dos párrafos, no el documento entero.
• Un cartel, un menú o un aviso en un idioma que quieres pasar por un traductor.

Si se trata de un documento escaneado de varias páginas, mejor convierte el PDF escaneado en PDF con búsqueda: conserva la maquetación y añade una capa de texto oculta.

Qué ocurre cuando sueltas una imagen

La herramienta usa Tesseract, un motor de OCR de código abierto desarrollado originalmente en HP y mantenido después por Google, compilado a WebAssembly para que se ejecute dentro de la pestaña de tu navegador. Emplea el modo de red neuronal LSTM de Tesseract, que lee líneas completas en lugar de comparar letras sueltas.

Dicho de forma sencilla:

1. Se cargan el motor y los datos entrenados para tu idioma. El navegador los guarda en caché, así que solo la primera ejecución tiene que esperarlos.
2. Tesseract analiza la estructura de la página, localiza bloques y líneas de texto y divide las líneas en palabras.
3. Cada línea pasa por la red neuronal, que devuelve los caracteres más probables. La barra de progreso que ves sigue precisamente esta fase.
4. Al resultado se le quitan los espacios en blanco del principio y del final y se muestra en el cuadro de texto, listo para copiarlo o guardarlo como archivo .txt con el nombre de tu imagen.

Si eliges cualquier idioma distinto del inglés, el inglés se carga automáticamente junto a él. Las capturas de interfaces, los nombres de productos, las URL y el código suelen estar en alfabeto latino incluso dentro de un texto en ruso o vietnamita, y el segundo modelo evita que salgan deformados. Si cambias el idioma después de procesar una imagen, esa misma imagen se vuelve a reconocer con el nuevo ajuste, así que no hace falta subirla otra vez.

La herramienta procesa una imagen cada vez. Admite JPG, PNG, WebP y BMP, de hasta 30 MB.

Cómo preparar la imagen para que el texto salga limpio

La precisión del OCR depende mucho más de la imagen de entrada que del motor.

Lo que más importa es el tamaño de las letras

Tesseract se entrenó con texto en el que las mayúsculas miden aproximadamente entre 20 y 40 píxeles de alto. Eso equivale a una página escaneada a unos 300 DPI. Por debajo de ese tamaño, las letras se funden y el motor empieza a adivinar.

• Una página A4 completa fotografiada con un teléfono de 12 MP (unos 4000×3000 px) da un cuerpo de texto con una altura adecuada. La misma página en un fotograma de vídeo de 1280×720, no.
• Una captura de pantalla del teléfono a su resolución nativa suele funcionar bien. Una captura que ha reducido una app de mensajería muchas veces no; pide el archivo original.
• Si el texto ocupa una parte pequeña de una foto grande, recorta la imagen a esa zona. Cuanto menos fondo, menos detecciones falsas.

Recto, plano y con luz uniforme

• Mantén las líneas de texto en horizontal. Una inclinación de unos pocos grados se tolera; a partir de 10 grados los errores aumentan claramente, y el texto girado de lado o al revés fallará casi siempre.
• Fotografía las páginas bien planas. El lomo curvado de un libro dobla las líneas cerca del margen interior, así que cuenta con errores en esa zona.
• Evita los reflejos del papel satinado y la sombra de tu propio teléfono; la luz natural lateral funciona mejor que el flash.
• Un buen contraste ayuda: lo ideal es texto oscuro sobre fondo claro. Texto gris claro sobre blanco, o texto encima de una foto, es el caso más difícil.

Revisa el resultado con ojo crítico

Revisa el texto antes de pegarlo en cualquier sitio importante. Confusiones habituales:

• 0 y O, 1, l e I, rn y m, 5 y S. Compruébalos carácter por carácter en números de serie, códigos y contraseñas.
• Las tablas salen como líneas de palabras separadas por espacios, sin estructura de columnas. Si lo necesitas, cópialas en una hoja de cálculo y divídelas por espacios.
• En las maquetaciones a varias columnas pueden mezclarse líneas de columnas vecinas; recorta una columna cada vez.
• La escritura a mano queda fuera de aquello para lo que se entrenó Tesseract. Las mayúsculas de imprenta bien hechas a veces funcionan; la letra cursiva, por lo general, no.

Un resultado vacío suele significar que el motor no ha encontrado nada que considere texto: las letras son demasiado pequeñas, están demasiado borrosas o el idioma seleccionado no corresponde al alfabeto, por ejemplo, latino cuando la imagen contiene cirílico.

Privacidad

Como el reconocimiento se ejecuta en tu propio dispositivo, la imagen nunca se sube a un servidor. Eso hace que la herramienta sea adecuada para documentos que no deberías enviar a terceros: documentos de identidad, extractos bancarios o capturas internas. La velocidad depende solo de tu dispositivo: una captura de pantalla típica tarda unos segundos en un portátil.