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 de imagen PCT, también conocido como formato Macintosh PICT, es un formato de archivo gráfico que se usaba principalmente en computadoras Macintosh. Originalmente fue diseñado como un formato de metarchivo en la década de 1980, lo que significa que podía contener datos de mapa de bits y vectoriales. Esta versatilidad lo convirtió en una opción popular para almacenar y transferir una amplia gama de tipos gráficos, desde ilustraciones simples hasta imágenes complejas. El formato PCT fue desarrollado por Apple Inc. para facilitar la transferencia de gráficos entre diferentes aplicaciones y para servir como un formato de volcado de gráficos para la biblioteca de gráficos QuickDraw, que era la base de la interfaz gráfica de usuario de los primeros sistemas operativos Macintosh.
El formato PCT es único porque puede almacenar información vectorial y de mapa de bits. Los gráficos vectoriales están formados por rutas definidas por ecuaciones matemáticas, lo que los hace escalables sin pérdida de calidad. Los gráficos de mapa de bits, por otro lado, están compuestos por píxeles, lo que puede resultar en pérdida de detalle cuando se amplían. Al combinar estos dos tipos de datos, los archivos PCT podían almacenar de manera eficiente imágenes complejas como ilustraciones con texto, arte lineal y elementos fotográficos, al tiempo que mantenían la capacidad de escalar ciertas partes de la imagen sin degradación.
Los archivos PCT están estructurados de manera que comienzan con un encabezado de 512 bytes, que normalmente se llena con ceros y no es utilizado por el formato PICT en sí. A esto le sigue el encabezado del archivo PICT, que incluye información importante como el número de versión y el tamaño de la imagen. Al encabezado le siguen los datos de la imagen, que están compuestos por códigos de operación (códigos de operación) que dictan cómo se debe representar la imagen. Estos códigos de operación pueden definir líneas, formas, colores y otros elementos gráficos, así como datos de mapa de bits para imágenes rasterizadas.
Hay dos versiones principales del formato PCT: PICT1 y PICT2. PICT1 es la versión original que admite comandos de dibujo básicos y un número limitado de colores. PICT2, introducido con Macintosh II, agregó soporte para capacidades de imagen más sofisticadas, como color de 24 bits, degradados y compresión JPEG. PICT2 también introdujo el concepto de "regiones" que permitía operaciones de recorte más complejas, donde solo se dibujarían ciertas partes de la imagen, según la región definida.
Una de las características clave del formato PCT es su capacidad para comprimir datos de imagen. Los archivos PCT utilizan RLE (codificación de longitud de ejecución), una forma simple de compresión de datos donde las secuencias del mismo valor de datos se almacenan como un solo valor y un recuento, en lugar de como la ejecución original. Esto es particularmente efectivo para imágenes con grandes áreas de color uniforme. PICT2 mejoró esta capacidad al admitir la compresión JPEG, que es más eficiente para comprimir imágenes fotográficas.
El formato PCT también incluye una serie de otras características que eran avanzadas para su época. Admite múltiples resoluciones, lo que significa que una imagen se puede representar en diferentes niveles de detalle según las capacidades del dispositivo de salida. Esto es particularmente útil cuando la misma imagen se va a mostrar tanto en una pantalla como en una impresora, que normalmente tienen requisitos de resolución muy diferentes. Además, los archivos PCT pueden contener una imagen de vista previa, que es una pequeña representación de mapa de bits de los datos vectoriales. Esto permite que las aplicaciones muestren rápidamente una miniatura de la imagen sin tener que representar todo el gráfico vectorial.
A pesar de sus capacidades, el formato PCT tiene varias limitaciones. Una de las más importantes es su falta de soporte para la transparencia. A diferencia de formatos como GIF y PNG, PCT no permite la creación de imágenes con fondos transparentes o elementos semitransparentes. Esta limitación puede ser problemática al superponer imágenes o cuando una imagen debe colocarse sobre un fondo de colores o patrones variados.
Otra limitación del formato PCT es su dependencia de la plataforma. PCT fue diseñado para el sistema operativo Macintosh y QuickDraw, lo que significa que no es compatible de forma nativa en otras plataformas. Si bien existen herramientas y bibliotecas de terceros que pueden leer y escribir archivos PCT en Windows y otros sistemas operativos, el formato nunca ganó una adopción generalizada fuera de la comunidad Macintosh. Esto ha generado problemas de compatibilidad, especialmente porque el uso de software específico de Macintosh ha disminuido con el tiempo.
El formato PCT también tiene problemas de seguridad. En el pasado, se han descubierto vulnerabilidades en la forma en que algunas aplicaciones manejan los archivos PCT, lo que podría permitir potencialmente la ejecución de código malicioso. Este es un problema común con muchos formatos de archivo, donde la complejidad y la compatibilidad con versiones anteriores pueden provocar descuidos de seguridad. Como resultado, algunas aplicaciones modernas han dejado de admitir el formato PCT o lo manejan en un entorno de espacio aislado más seguro.
En términos de extensión de archivo, los archivos PCT normalmente se guardan con la extensión ".pct" o ".pict". Sin embargo, debido a la naturaleza insensible a mayúsculas y minúsculas del sistema de archivos Macintosh, estas extensiones son intercambiables. Al transferir archivos PCT a sistemas con sistemas de archivos que distinguen entre mayúsculas y minúsculas, como Linux, se debe tener cuidado de mantener la extensión de archivo correcta para fines de compatibilidad.
El formato PCT ha sido reemplazado en gran medida por formatos de imagen más modernos como PNG, JPEG y SVG. Estos formatos ofrecen mejor compresión, soporte de plataforma más amplio y características adicionales como transparencia y animación. Sin embargo, los archivos PCT todavía se utilizan en ciertos sistemas y aplicaciones heredados, particularmente aquellos que fueron diseñados para sistemas operativos Macintosh más antiguos. Por esta razón, comprender el formato PCT puede ser importante cuando se trabaja con materiales gráficos de archivo o cuando se interactúa con software Macintosh más antiguo.
Para los desarrolladores y usuarios que trabajan con archivos PCT, hay una serie de herramientas disponibles para ver, convertir y editar estas imágenes. GraphicConverter es una aplicación popular de Macintosh que puede manejar archivos PCT entre muchos otros formatos. Adobe Photoshop también tiene la capacidad de abrir y convertir archivos PCT, aunque las versiones más nuevas pueden haber dejado de admitirlo debido a la menor relevancia del formato. También hay varias herramientas en línea que permiten a los usuarios convertir archivos PCT a formatos más comunes como JPEG o PNG.
En el ámbito de la programación, se pueden utilizar bibliotecas como ImageMagick y Python Imaging Library (PIL) para manipular archivos PCT mediante programación. Estas bibliotecas proporcionan funciones para leer, escribir y convertir archivos PCT, así como para realizar tareas de procesamiento de imágenes. Sin embargo, los desarrolladores deben ser conscientes de que el soporte para archivos PCT en estas bibliotecas puede ser limitado en comparación con los formatos más modernos, y es posible que se requiera un esfuerzo adicional para manejar los archivos PCT correctamente.
En conclusión, el formato de imagen PCT desempeñó un papel importante en los primeros días de la computación Macintosh, proporcionando una forma flexible y potente de almacenar y manipular gráficos. Si bien ha sido reemplazado en gran medida por formatos más nuevos, su legado continúa en forma de contenido y aplicaciones heredados que aún dependen de este formato que alguna vez fue omnipresente. Comprender los aspectos técnicos de PCT, desde su estructura y capacidades hasta sus limitaciones y problemas de seguridad, es esencial para los profesionales que pueden encontrar este formato en el trabajo de archivo o al interactuar con sistemas Macintosh más antiguos.
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.