El Reconocimiento Óptico de Caracteres (OCR) convierte imágenes de texto—escaneos, fotos de smartphone, PDFs—en cadenas legibles por máquina y, cada vez más, en datos estructurados. El OCR moderno es una tubería que limpia una imagen, encuentra texto, lo lee y exporta metadatos ricos para que los sistemas posteriores puedan buscar, indexar o extraer campos. Dos estándares de salida ampliamente utilizados son hOCR, un microformato HTML para texto y diseño, y ALTO XML, un esquema orientado a bibliotecas/archivos; ambos preservan posiciones, orden de lectura y otras pistas de diseño y son compatibles con motores populares como Tesseract.
Preprocesamiento. La calidad del OCR comienza con la limpieza de la imagen: conversión a escala de grises, eliminación de ruido, umbralización (binarización) y corrección de inclinación. Los tutoriales canónicos de OpenCV cubren umbralización global, adaptativa y Otsu —elementos básicos para documentos con iluminación no uniforme o histogramas bimodales. Cuando la iluminación varía dentro de una página (piense en las instantáneas del teléfono), los métodos adaptativos a menudo superan a un único umbral global; Otsu elige automáticamente un umbral analizando el histograma. La corrección de la inclinación es igualmente importante: la corrección de inclinación basada en Hough (Transformada de Hough Line) junto con la binarización de Otsu es una receta común y efectiva en las tuberías de preprocesamiento de producción.
Detección vs. reconocimiento. El OCR se divide típicamente en detección de texto (¿dónde está el texto?) y reconocimiento de texto (¿qué dice?). En escenas naturales y muchos escaneos, los detectores totalmente convolucionales como EAST predicen eficientemente cuadriláteros a nivel de palabra o línea sin pesadas etapas de propuesta y se implementan en kits de herramientas comunes (por ejemplo, tutorial de detección de texto de OpenCV). En páginas complejas (periódicos, formularios, libros), la segmentación de líneas/regiones y la inferencia del orden de lectura son importantes:Kraken implementa la segmentación tradicional de zonas/líneas y la segmentación neuronal de línea de base, con soporte explícito para diferentes escrituras y direcciones (LTR/RTL/vertical).
Modelos de reconocimiento. El clásico caballo de batalla de código abierto Tesseract (de código abierto por Google, con raíces en HP) evolucionó de un clasificador de caracteres a un reconocedor de secuencias basado en LSTM y puede emitir archivos PDF con capacidad de búsqueda, salidas compatibles con hOCR/ALTO, y más desde la CLI. Los reconocedores modernos se basan en el modelado de secuencias sin caracteres presegmentados. Clasificación Temporal Conexionista (CTC) sigue siendo fundamental, aprendiendo alineaciones entre secuencias de características de entrada y cadenas de etiquetas de salida; se utiliza ampliamente en tuberías de escritura a mano y texto de escena.
En los últimos años, los Transformers han remodelado el OCR. TrOCR utiliza un codificador Vision Transformer más un decodificador Text Transformer, entrenado en grandes corpus sintéticos y luego ajustado en datos reales, con un sólido rendimiento en benchmarks de texto impreso, manuscrito y de escena (véase también documentación de Hugging Face). En paralelo, algunos sistemas eluden el OCR para la comprensión posterior: Donut (Document Understanding Transformer) es un codificador-decodificador sin OCR que genera directamente respuestas estructuradas (como JSON de clave-valor) a partir de imágenes de documentos (repositorio, tarjeta de modelo), evitando la acumulación de errores cuando un paso de OCR separado alimenta un sistema de IE.
Si desea una lectura de texto con todo incluido en muchas escrituras, EasyOCR ofrece una API simple con más de 80 modelos de lenguaje, que devuelve cuadros, texto y confidencias, útil para prototipos y escrituras no latinas. Para documentos históricos, Kraken brilla con la segmentación de línea de base y el orden de lectura consciente de la escritura; para un entrenamiento flexible a nivel de línea, Calamari se basa en el linaje de Ocropy (Ocropy) con reconocedores (multi-)LSTM+CTC y una CLI para ajustar modelos personalizados.
La generalización depende de los datos. Para la escritura a mano, la Base de datos de escritura a mano IAM proporciona oraciones en inglés de diversos escritores para entrenamiento y evaluación; es un conjunto de referencia de larga data para el reconocimiento de líneas y palabras. Para el texto de escena, COCO-Text superpuso anotaciones extensas sobre MS-COCO, con etiquetas para texto impreso/manuscrito, legible/ilegible, escritura y transcripciones completas (véase también la página original del proyecto). El campo también depende en gran medida del preentrenamiento sintético: SynthText in the Wild representa texto en fotografías con geometría e iluminación realistas, proporcionando enormes volúmenes de datos para preentrenar detectores y reconocedores (referencia código y datos).
Las competiciones bajo el paraguas de Lectura Robusta de ICDAR mantienen la evaluación fundamentada. Las tareas recientes enfatizan la detección/lectura de extremo a extremo e incluyen la vinculación de palabras en frases, con el código oficial informando precisión/recuperación/puntuación F, intersección sobre unión (IoU) y métricas de distancia de edición a nivel de carácter, lo que refleja lo que los profesionales deben rastrear.
El OCR rara vez termina en texto plano. Los archivos y las bibliotecas digitales prefieren ALTO XML porque codifica el diseño físico (bloques/líneas/palabras con coordenadas) junto con el contenido, y se combina bien con el empaquetado METS. El microformato hOCR , por el contrario, incorpora la misma idea en HTML/CSS utilizando clases como ocr_line y ocrx_word, lo que facilita su visualización, edición y transformación con herramientas web. Tesseract expone ambos, por ejemplo, generando hOCR o PDF con capacidad de búsqueda directamente desde la CLI (guía de salida de PDF); los envoltorios de Python como pytesseract añaden comodidad. Existen convertidores para traducir entre hOCR y ALTO cuando los repositorios tienen estándares de ingesta fijos —véase esta lista curada de herramientas de formato de archivo OCR.
La tendencia más fuerte es la convergencia: la detección, el reconocimiento, el modelado del lenguaje e incluso la decodificación específica de la tarea se están fusionando en pilas de Transformer unificadas. El preentrenamiento en grandes corpus sintéticos sigue siendo un multiplicador de fuerza. Los modelos sin OCR competirán agresivamente dondequiera que el objetivo sean salidas estructuradas en lugar de transcripciones literales. Espere también implementaciones híbridas: un detector ligero más un reconocedor de estilo TrOCR para texto de formato largo, y un modelo de estilo Donut para formularios y recibos.
Tesseract (GitHub) · Documentación de Tesseract · Especificación de hOCR · Fondo de ALTO · Detector EAST · Detección de texto de OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Escritura a mano de IAM · Herramientas de formato de archivo OCR · EasyOCR
El Reconocimiento Óptico de Caracteres (OCR) es una tecnología utilizada para convertir diferentes tipos de documentos, como documentos en papel escaneados, archivos PDF o imágenes capturadas por una cámara digital, en datos editables y buscables.
OCR funciona escaneando una imagen o documento de entrada, segmentando la imagen en caracteres individuales y comparando cada carácter con una base de datos de formas de caracteres utilizando reconocimiento de patrones o reconocimiento de características.
OCR se utiliza en una variedad de sectores y aplicaciones, incluyendo la digitalización de documentos impresos, la habilitación de servicios de texto a voz, la automatización de procesos de entrada de datos, y ayudar a los usuarios con discapacidad visual a interactuar mejor con el texto.
Aunque se han hecho grandes avances en la tecnología OCR, no es infalible. La precisión puede variar dependiendo de la calidad del documento original y las especificidades del software OCR que se esté utilizando.
Aunque OCR está diseñado principalmente para texto impreso, algunos sistemas avanzados de OCR también pueden reconocer escritura a mano clara y consistente. Sin embargo, en general, el reconocimiento de la escritura a mano es menos preciso debido a la amplia variación en los estilos de escritura individuales.
Sí, muchos sistemas de software OCR pueden reconocer múltiples idiomas. Sin embargo, es importante asegurar que el idioma específico sea soportado por el software que estás utilizando.
OCR significa Reconocimiento Óptico de Caracteres y se utiliza para reconocer texto impreso, mientras que ICR, o Reconocimiento Inteligente de Caracteres, es más avanzado y se utiliza para reconocer texto escrito a mano.
OCR funciona mejor con fuentes claras y fáciles de leer y tamaños de texto estándar. Si bien puede funcionar con varias fuentes y tamaños, la precisión tiende a disminuir cuando se trata de fuentes inusuales o tamaños de texto muy pequeños.
OCR puede tener dificultades con documentos de baja resolución, fuentes complejas, textos mal impresos, escritura a mano y documentos con fondos que interfieren con el texto. Además, aunque puede trabajar con muchos idiomas, puede que no cubra cada idioma a la perfección.
Sí, OCR puede escanear texto en color y fondos en color, aunque generalmente es más efectivo con combinaciones de colores de alto contraste, como texto negro sobre un fondo blanco. La precisión puede disminuir cuando los colores del texto y del fondo carecen de suficiente contraste.
El formato JNG (JPEG Network Graphics) es un formato de archivo de imagen que fue diseñado como un subformato del formato MNG (Multiple-image Network Graphics) más conocido. Se desarrolló principalmente para proporcionar una solución para la compresión con y sin pérdida dentro de un único formato de imagen, lo que no era posible con otros formatos comunes como JPEG o PNG en el momento de su creación. Los archivos JNG se utilizan normalmente para imágenes que requieren tanto una representación fotográfica de alta calidad como un canal alfa opcional para la transparencia, que no es compatible con las imágenes JPEG estándar.
JNG no es un formato independiente, sino que forma parte de la suite de formatos de archivo MNG, que fue diseñada para ser la versión animada de PNG. La suite MNG incluye los formatos MNG y JNG, siendo MNG compatible con animaciones y JNG un formato de imagen única. El formato JNG fue creado por el mismo equipo que desarrolló el formato PNG, y estaba destinado a complementar PNG añadiendo datos de color comprimidos en JPEG mientras se mantenía la posibilidad de un canal alfa separado, que es una característica que PNG admite pero JPEG no.
La estructura de un archivo JNG es similar a la de un archivo MNG, pero es más simple ya que está pensado solo para imágenes individuales. Un archivo JNG consta de una serie de fragmentos, cada uno de los cuales contiene un tipo específico de datos. Los fragmentos más importantes de un archivo JNG son el fragmento JHDR, que contiene la información del encabezado; el fragmento JDAT, que contiene los datos de imagen comprimidos en JPEG; el fragmento JSEP, que puede estar presente para indicar el final del flujo de datos JPEG; y los fragmentos del canal alfa, que son opcionales y pueden ser fragmentos IDAT (que contienen datos alfa comprimidos en PNG) o fragmentos JDAA (que contienen datos alfa comprimidos en JPEG).
El fragmento JHDR es el primer fragmento de un archivo JNG y es fundamental, ya que define las propiedades de la imagen. Incluye información como el ancho y el alto de la imagen, la profundidad del color, si hay un canal alfa, el espacio de color utilizado y el método de compresión para el canal alfa. Este fragmento permite a los decodificadores comprender cómo procesar los datos posteriores dentro del archivo.
El fragmento JDAT contiene los datos de imagen reales, que se comprimen utilizando las técnicas de compresión estándar JPEG. Esta compresión permite un almacenamiento eficiente de imágenes fotográficas, que a menudo contienen complejos gradientes de color y sutiles variaciones de tono. La compresión JPEG dentro de JNG es idéntica a la utilizada en archivos JPEG independientes, lo que hace posible que los decodificadores JPEG estándar lean los datos de imagen de un archivo JNG sin necesidad de comprender todo el formato JNG.
Si hay un canal alfa presente en la imagen JNG, se almacena en fragmentos IDAT o JDAA. Los fragmentos IDAT son los mismos que se utilizan en los archivos PNG y contienen datos alfa comprimidos en PNG. Esto permite una compresión sin pérdida del canal alfa, asegurando que la información de transparencia se conserve sin pérdida de calidad. Los fragmentos JDAA, por otro lado, contienen datos alfa comprimidos en JPEG, lo que permite tamaños de archivo más pequeños a costa de posibles artefactos de compresión con pérdida en el canal alfa.
El fragmento JSEP es un fragmento opcional que señala el final del flujo de datos JPEG. Es útil en casos en los que el archivo JNG se transmite a través de una red y el decodificador necesita saber cuándo dejar de leer datos JPEG y comenzar a buscar datos del canal alfa. Este fragmento no es necesario si el archivo se lee desde un medio de almacenamiento local donde el final de los datos JPEG se puede determinar a partir de la estructura del archivo en sí.
JNG también admite la corrección de color al incluir un fragmento ICCP, que contiene un perfil de color ICC incrustado. Este perfil permite una representación precisa del color en diferentes dispositivos y es particularmente importante para imágenes que se verán en una variedad de pantallas o impresas. La inclusión de capacidades de gestión del color es una ventaja significativa del formato JNG sobre los archivos JPEG independientes, que no admiten inherentemente perfiles de color incrustados.
A pesar de sus capacidades, el formato JNG no ha tenido una adopción generalizada. Esto se debe en parte al dominio del formato JPEG para imágenes fotográficas y del formato PNG para imágenes que requieren transparencia. Además, el auge de formatos como WebP y HEIF, que también admiten compresión con y sin pérdida, así como transparencia, ha reducido aún más la necesidad de un formato separado como JNG. Sin embargo, JNG sigue siendo una opción viable para casos de uso específicos donde se requiere su combinación única de características.
Una de las razones de la falta de adopción generalizada de JNG es la complejidad de la suite de formatos de archivo MNG. Si bien JNG en sí es relativamente simple, es parte de un conjunto de especificaciones más grande y complejo que no se implementó ampliamente. Muchos desarrolladores de software optaron por admitir los formatos JPEG y PNG más simples y populares, que satisfacían las necesidades de la mayoría de los usuarios sin la complejidad adicional de MNG y JNG.
Otro factor que ha limitado la adopción de JNG es la falta de soporte en software de edición y visualización de imágenes populares. Si bien algunos programas especializados pueden admitir JNG, muchos de los programas más utilizados no lo hacen. Esta falta de soporte significa que es menos probable que los usuarios y desarrolladores encuentren o utilicen archivos JNG, lo que disminuye aún más su presencia en el mercado.
A pesar de estos desafíos, JNG tiene sus defensores, particularmente entre aquellos que aprecian sus capacidades técnicas. Por ejemplo, JNG puede ser útil en aplicaciones donde un solo archivo necesita contener tanto una imagen fotográfica de alta calidad como un canal alfa separado para la transparencia. Esto puede ser importante en diseño gráfico, desarrollo de juegos y otros campos donde las imágenes deben componerse sobre varios fondos.
El diseño técnico de JNG también permite posibles optimizaciones en el tamaño y la calidad del archivo. Por ejemplo, al separar los datos de color y alfa, es posible aplicar diferentes niveles de compresión a cada uno, optimizando para el mejor equilibrio entre el tamaño del archivo y la calidad de la imagen. Esto puede resultar en archivos más pequeños que si se aplicara un único método de compresión a toda la imagen, como es el caso de formatos como PNG.
En conclusión, el formato de imagen JNG es un formato de archivo especializado que ofrece una combinación única de características, que incluyen soporte para compresión con y sin pérdida, un canal alfa opcional para transparencia y capacidades de gestión del color. Si bien no ha logrado una adopción generalizada, sigue siendo un formato técnicamente capaz que puede ser adecuado para aplicaciones específicas. Su relevancia futura probablemente dependerá de si hay un interés renovado en sus capacidades y si el soporte de software para el formato se expande. Por ahora, JNG se erige como un testimonio de la evolución continua de los formatos de imagen y la búsqueda del equilibrio perfecto entre compresión, calidad y funcionalidad.
Este convertidor funciona completamente en tu navegador. Cuando seleccionas un archivo, se lee en la memoria y se convierte al formato seleccionado. Luego puedes descargar el archivo convertido.
Las conversiones comienzan al instante, y la mayoría de los archivos se convierten en menos de un segundo. Archivos más grandes pueden tardar más.
Tus archivos nunca se suben a nuestros servidores. Se convierten en tu navegador, y el archivo convertido se descarga luego. Nosotros nunca vemos tus archivos.
Soportamos la conversión entre todos los formatos de imagen, incluyendo JPEG, PNG, GIF, WebP, SVG, BMP, TIFF y más.
Este convertidor es completamente gratis, y siempre será gratis. Debido a que funciona en tu navegador, no tenemos que pagar por servidores, así que no necesitamos cobrarte.
¡Sí! Puedes convertir tantos archivos como quieras a la vez. Sólo selecciona múltiples archivos cuando los agregues.