Cómo sacar texto de una imagen

Se trata de herramientas que permiten sacar texto de una imagen con una calidad mínima, ofreciendo unos resultados satisfactorios. El propósito final es que consigas sacar todo el texto que incluyen las imágenes de un PDF o documento en otro formato con la menor cantidad de errores posible. Pasamos, por tanto, a mostraros aquellos ejemplos en los que hemos visto cumplidos los requisitos que te hemos comentado.

gImageReader haciendo uso de Tesseract OCR

Dentro del mundo del software libre, en lo que a sistemas OCR se refiere, Tesseract OCR es de los más conocidos y de los que mejor sacan texto de una imagen. Se trata de un motor que en su origen fue creado por la empresa HP, muy conocida por la fabricación de impresoras y ordenadores, entre otros productos.

La compañía donó el código a la Universidad de Nevada, para que posteriormente Google asumiera su patrocinio, convirtiéndose, de este modo, en un proyecto de código abierto. Una vez dicho esto, debes saber que unos de los principales inconvenientes de Tesseract es su dificultad de manejo.

El problema que surge en muchas ocasiones con este es que es necesario que te manejes bien con la línea de comandos. Si no es así, te va a costar sacar texto de las imágenes.

Pero a cada problema siempre hay una solución y, en este caso, tienes a tu disposición gImageReader que te proporciona una interfaz gráfica que te permite manejar fácilmente Tesseract OCR sin los temibles comandos. Por supuesto, se trata de un software gratuito y de licencia libre.

Permite trabajar con él de forma manual y automática. Simplemente, tienes que subir la imagen y seleccionar la opción que necesites dentro del menú de opciones. Entre sus múltiples ventajas está la de permitir procesar de una sola vez varias imágenes o documentos y la posibilidad de generar documentos PDF.

FreeOCR para Windows

Si eres usuario del sistema operativo de Windows, estás de enhorabuena, ya que vas a poder sacar texto de imágenes con FreeOCR. Se trata de uno de los mejores sistemas OCR de código abierto para el sistema operativo de Microsoft. A la hora de ejecutar el programa simplemente tienes que pulsar en el botón de OCR y a la derecha te aparecerá el texto sacado de la correspondiente imagen.

Se trata de un software muy fácil de usar y con la ventaja de que soporta varios idiomas, entre ellos el español. Tampoco tiene ninguna limitación de tamaño en cuanto a los documentos PDF con texto que puedes incluir. Es cierto que si las palabras no están del todo alineadas puede dar algún que otro error, pero por líneas generales el rendimiento que ofrece es bastante bueno.

Descárgalo entrando en www.freeocr.net.

Cuneiform como OCR comercial

Nos encontramos ante un ejemplo curioso, ya que en sus inicios se trataba de un OCR comercial y cuando terminó el proyecto pasó a convertirse en un software de código abierto. Esto hace que, Cuneiform, no sea el programa para sacar texto de imágenes más actualizado del momento, pero sí que obtendrás muy buenos resultados con él. Es muy sencillo de manejar dado que su interfaz es muy intuitiva.

Simplemente, tienes que subir el archivo PDF con la imagen de la que quieres sacar el texto, y pulsar el botón de ejecución. El programa se encarga de todo. En unos pocos segundos obtendrás el texto que necesitas en la ventana situada en la parte inferior.

Lo puedes descargar desde repositorios como cuneiform-pro-ocr.programas-gratis.net.

GOCR, más difícil de utilizar

Si en el caso anterior la interfaz hacía muy fácil la acción de sacar texto de una imagen, con GOCR es todo lo contrario. Nos encontramos ante un OCR de código abierto compatible con Linux, Windows y MacOS, pero con una interfaz poco intuitiva, que hace más complicada la tarea. Pero a pesar de ello el resultado suele ser muy bueno y su proceso tiene una gran precisión.

A esto hay que añadir que al ser de código abierto ofrece la posibilidad de poder expandirse, lo que abre la puerta a un sinfín de posibilidades, principalmente si se es programador o se tienen ciertos conocimientos de programación.

Tienes toda la información sobre este programa en jocr.sourceforge.net.

Qué debes saber sobre conseguir texto de una imagen

Una vez que te hemos facilitado el nombre de alguno de los OCR de código abiertos más destacados, queremos darte algunos consejos a la hora de sacar texto de una imagen en PDF. Estos te van a resultar muy útiles antes, durante y después de utilizar las herramientas que te hemos mostrado.

• Ten en cuenta que los programas para sacar de una imagen texto pueden tener problemas para reconocer ciertas letras. Es por eso por lo que es conveniente que revises bien el resultado por si alguna palabra o contenido está mal.
• Existen herramientas para PDF que te permiten escribir en este tipo de documentos, aunque esté compuesto de imágenes.
• Los programas OCR trabajan en determinados idiomas. Procura asegurarte de que la aplicación que utilizas incluye reconocimiento en tu propio idioma.
• Muchos softwares de código abierto tienen la desventaja de que disponen de interfaces difíciles de manejar, procura en caso de que no tengas muchas nociones de manejo de código informático, buscar programas que trabajen con estos softwares y faciliten el sacar texto de imágenes.
• Las OCR disponen de un software con Inteligencia Artificial (IA) y cuanto mejor sea esta, mejores serán los resultados. Procura, por tanto, emplear programas recomendados, ya que el producto obtenido será de mejor calidad.
• A la hora de crear un PDF existe la posibilidad de que un texto quede marcado como texto, en este caso no será necesario ningún sistema OCR para poder copiar o realizar otro tipo de acción con el contenido. Para eso es necesario habilitar como texto. Por ejemplo, muchos formularios en PDF pueden ser rellenados desde un ordenador por lo comentado.