1. Comience con la mejor fuente disponible
Utilice el escaneo original o el archivo de la cámara en lugar de una captura de pantalla de una miniatura. Si alguien envió una vista previa pequeña, solicite el documento original. Cuando un PDF ya tiene texto seleccionable preciso, reutilice ese texto en lugar de convertirlo en una imagen y reconocerlo nuevamente.
Conserve una copia sin cambios antes de ajustar el contraste, la rotación o el recorte. El original es su referencia cuando una versión posterior pierde puntuación tenue o marcas manuscritas. Dé a las copias de trabajo nombres descriptivos para que pueda compararlas sin adivinar qué archivo fue editado.
2. Haga que las letras sean legibles antes de cargar
Para una fotografía, mantenga la página plana, sostenga la cámara aproximadamente paralela a ella y use una luz uniforme. Evite el resplandor sobre papel brillante y las sombras de su mano o teléfono. Verifique algunas palabras pequeñas antes de guardar el documento; una nueva toma es más fácil mientras la fuente aún está disponible.
Para un escaneo, 300 píxeles por pulgada es un punto de partida útil para el texto impreso ordinario. IMPACT recomienda una resolución más alta para impresiones muy pequeñas. Los Archivos Nacionales de EE. UU. también especifican 300 ppi para registros textuales modernos permanentes en sus propios requisitos de digitalización. Estas son referencias de captura, no una garantía de que cada página se reconocerá correctamente.
Cambiar una etiqueta de DPI en un archivo existente de baja resolución no crea nuevos detalles. Inspeccione los bordes de los caracteres y la puntuación, y vuelva a escanear a una resolución adecuada cuando el original esté disponible.
3. Enderece la vista y seleccione una región coherente
Haga que el texto esté derecho y elimine los bordes irrelevantes cuando compitan con la página. Deje un poco de espacio alrededor del texto deseado: un recorte ajustado puede cortar acentos, descendentes o el último dígito de un número.
Para columnas, reconozca una columna o un pasaje conectado lógicamente a la vez cuando el orden de página completa no sea confiable. Mantenga los encabezados de tabla con sus valores. Separar cada celda diminuta puede eliminar el contexto que necesita para reconstruir el resultado.
4. Compare ajustes de imagen modestos
Un pequeño ajuste de contraste puede ayudar con el texto tenue, mientras que un filtrado excesivo puede borrarlo. Oscurecer la página también puede fortalecer las manchas, la textura del papel o la escritura del reverso. Compare la imagen ajustada con la original al mismo nivel de zoom.
Pruebe un ajuste en un pasaje difícil antes de cambiar todo. Si una mejora hace que la imagen se vea más limpia pero elimina una coma o une dos letras, no ha mejorado la evidencia para OCR.
5. Establezca el idioma y compare los modos de reconocimiento
Elija el idioma realmente utilizado en el texto seleccionado. i2OCR proporciona 128 opciones de reconocimiento, incluyendo variantes de escritura e históricas. Para una página de idioma mixto, separar regiones distintas puede hacer que el resultado sea más fácil de evaluar.
Classic es un punto de partida útil para material impreso claro. Future puede ayudar con documentos más variados y escritura a mano. Compare el mismo pasaje corto cuando no esté seguro. Juzgue la transcripción completa, incluyendo palabras omitidas y orden de líneas, en lugar de unas pocas oraciones reconocidas correctamente.
6. Revise el texto contra la imagen
Verifique una muestra de la parte superior, media e inferior del área seleccionada. Luego inspeccione los detalles que tienen más significado. Un punto decimal fuera de lugar o una palabra faltante como "no" pueden importar más que varios errores ortográficos comunes.
- Los nombres, identificadores, fechas, puntos decimales y unidades coinciden con la fuente.
- Cada línea prevista está presente; los encabezados y notas al pie están en lugares sensatos.
- Las columnas y las filas de la tabla no se han combinado incorrectamente.
- Los pasajes poco claros están marcados para revisión en lugar de ser adivinados silenciosamente.
- Una cita copiada conserva la redacción y la puntuación que pretende citar.
7. Guarde el resultado revisado y reutilice lo que funcionó
Guarde la transcripción corregida antes de traducirla o reescribirla. Mantenga el nombre del archivo fuente o la referencia de página con el resultado. Si procesará documentos similares más adelante, anote el idioma, la región seleccionada y los ajustes que ayudaron.
Las herramientas en línea aceptan una imagen de hasta 25 MB o un PDF de hasta 200 MB y 750 páginas fuente, sujeto al límite que se muestra en la herramienta. PDF OCR procesa una página o área seleccionada por solicitud. Las dimensiones de la imagen y los límites de procesamiento también se aplican, por lo que una fuente más pequeña y bien capturada puede ser más práctica que un archivo muy grande.
Preguntas y respuestas
¿A qué resolución debo escanear?
Comience alrededor de 300 ppi para texto impreso normal; la letra más pequeña puede beneficiarse de una captura de mayor resolución. Inspeccione las letras reales. La resolución por sí sola no puede corregir el desenfoque, el resplandor o los originales dañados.
¿Debo convertir cada imagen a blanco y negro?
No. El umbral puede eliminar texto tenue o fusionar trazos. Conserve el original y compare una pequeña región antes de decidirse por una versión en blanco y negro.
¿Un archivo más grande siempre dará mejor OCR?
No. El tamaño del archivo refleja las dimensiones, la compresión y el formato, no solo la legibilidad. Una imagen clara y bien encuadrada puede ser más útil que una fotografía grande pero borrosa.