Cómo extraer texto de imágenes con OCR
El OCR (reconocimiento óptico de caracteres) convierte las letras de una foto, una captura de pantalla o un escaneo en texto que puedes copiar y editar. Esta guía explica qué influye en el resultado y cómo obtener un texto más limpio.
Cómo funciona el OCR
Un motor de OCR primero convierte la imagen a blanco y negro para que las letras destaquen sobre el fondo. Después analiza la disposición y localiza bloques de texto, líneas y palabras. Por último, un modelo de reconocimiento estima qué caracteres muestra cada palabra.
La herramienta de LeedyBox usa Tesseract, un motor de OCR de código abierto, a través de Tesseract.js. Su modelo de reconocimiento es una red neuronal entrenada con texto impreso, con datos distintos para cada idioma. El motor también indica un valor de confianza para cada palabra, y la herramienta muestra la media de cada imagen.
Elegir el idioma
El ajuste de idioma indica al motor qué caracteres y palabras debe esperar. Leer un texto en coreano, japonés o ruso con el modelo de inglés produce un galimatías de letras latinas de aspecto parecido, y en los idiomas que comparten alfabeto, el modelo correcto reconoce mejor los acentos y las palabras habituales.
Si una imagen mezcla dos idiomas, por ejemplo un documento en coreano con nombres de productos en inglés, elige ambos. Añade un segundo idioma solo cuando el texto lo necesite: cada idioma adicional hace más lento el reconocimiento y le da al motor más caracteres que confundir.
| Imagen | Idioma | Disposición del texto |
|---|---|---|
| Página de un documento o artículo en un solo idioma | Ese idioma | Automática |
| Menú, diapositiva o etiqueta con texto local y palabras en inglés | Idioma local + inglés | Automática |
| Párrafo recortado cuyas líneas salen en el orden equivocado | Ese idioma | Un único bloque de texto |
| Una sola línea, como un título, un número de serie o un cartel | Ese idioma | Una única línea de texto |
Consejos sobre la calidad de la imagen
- Resolución: el texto pequeño en una imagen de baja resolución es la causa más habitual de errores. Ampliar ayuda algo, y por eso la herramienta de LeedyBox puede volver a leer las imágenes pequeñas al doble de tamaño, pero no puede recuperar detalle que la imagen no contiene. Las letras muy grandes también pueden leerse con menos fiabilidad.
- Contraste: el texto oscuro sobre un fondo claro y liso es lo que mejor funciona. La impresión tenue, el texto gris, los fondos de color y las sombras dificultan separar las letras. La opción de escala de grises y contraste puede ayudar con el texto tenue, pero compara los resultados, porque también puede empeorar una imagen limpia.
- Texto recto: el texto inclinado, curvado o deformado por la perspectiva, como un libro fotografiado en ángulo, provoca líneas fusionadas y caracteres erróneos. Gira la imagen o vuelve a hacer la foto si el texto está claramente torcido.
- Recorte: recorta la imagen al texto que necesitas. Los logotipos, las fotos, los bordes y las columnas contiguas pueden confundirse con caracteres y alterar el orden de lectura.
- Compresión: una compresión JPG fuerte emborrona las letras con artefactos. Guarda las capturas de pantalla en PNG siempre que puedas; consulta JPG, PNG, WebP y AVIF.
Capturas de pantalla frente a fotos
Las capturas de pantalla son nítidas y rectas, así que suelen dar buenos resultados. Su principal punto débil es el tamaño: el texto de las interfaces a menudo mide solo unos pocos píxeles de alto. Amplía la página o la app antes de hacer la captura y no la reduzcas después. Puedes pegar una captura directamente en la herramienta con Ctrl+V (⌘+V en un Mac).
En las fotos se suman la luz irregular, los reflejos, el desenfoque, la perspectiva y las páginas curvadas. Sostén la cámara paralela a la página, llena el encuadre con el texto, usa una luz uniforme sin reflejos del flash y toca la pantalla para enfocar. La orientación registrada por la cámara se aplica antes de leer, así que una foto tomada con el móvil de lado se lee en la posición correcta.
Para archivos PDF, usa PDF a texto en lugar de convertir las páginas en imágenes: esta herramienta lee la capa de texto existente y solo aplica OCR a las páginas que no la tienen. La guía Extraer texto de un PDF: capas de texto y OCR trata los PDF escaneados.
Escritura a mano y fuentes estilizadas
Los modelos que se usan aquí están entrenados con texto impreso, así que la escritura a mano suele reconocerse mal. Las mayúsculas de imprenta claras y separadas son las que tienen más posibilidades de reconocerse bien; la letra cursiva ligada y las firmas rara vez dan un resultado aprovechable. Las fuentes decorativas, caligráficas o muy estrechas, el texto sobre fondos con dibujos y el texto vertical causan problemas parecidos.
Revisar y corregir el resultado
Trata el resultado del OCR como un borrador. Entre los errores típicos están confundir 0 y O, 1, l e I, o «rn» y «m»; acentos y signos de puntuación omitidos o incorrectos; palabras unidas o partidas al final de línea, y líneas de columnas contiguas mezcladas. Las tablas y los diseños de varias columnas no se conservan: el resultado es texto sin formato.
Compara el texto con la imagen y presta especial atención a números, nombres, fechas, importes y direcciones, donde un solo carácter erróneo importa. Un valor de confianza alto no demuestra que el texto sea correcto. Puedes editar el texto en la herramienta antes de copiarlo o descargarlo.
Privacidad: qué se queda en tu dispositivo
La herramienta de LeedyBox ejecuta el motor de OCR en tu navegador: tus imágenes se leen en tu dispositivo y no se suben a LeedyBox. El navegador descarga la biblioteca Tesseract.js, su motor WebAssembly y los datos de cada idioma que elijas desde el propio leedybox.com. Son descargas normales de archivos que no incluyen tus imágenes. Tesseract.js guarda los datos de idioma en el almacenamiento del navegador (IndexedDB) para no tener que descargarlos de nuevo; si borras los datos del sitio en el navegador, se eliminan.
Preguntas frecuentes
¿Por qué tarda tanto la primera imagen?
La primera vez que usas un idioma, se descargan el motor de OCR y los datos del idioma (varios megabytes). Las imágenes siguientes los reutilizan, y los datos del idioma se guardan en el almacenamiento del navegador para visitas posteriores.
¿Puede el OCR conservar la maquetación de un documento?
La herramienta extrae texto sin formato con saltos de línea. Las columnas, las tablas, las fuentes y el formato hay que reconstruirlos a mano en tu editor.
¿Por qué la herramienta no ha encontrado ningún texto?
Normalmente el texto es demasiado pequeño o tenue, o el idioma no es el correcto. Recorta la imagen al texto, revisa el idioma o prueba otro ajuste de disposición del texto.