Escaneo a texto
Cómo extraer texto de imágenes escaneadas con Aspose.OCR

Cómo extraer texto de imágenes escaneadas con Aspose.OCR

El escaneo de contratos, acuerdos, páginas de libros, o antiguos registros generalmente produce archivos de imagen – no texto editable. Aspose.OCR Escaneo a texto para .NET le permite automatizar la extracción de texto estructurado y buscable de cualquier documento o foto escaneado, ahorrando innumerables horas de entrada manual.

Problemas del mundo real

Los documentos de papel, libros y archivos a menudo se almacenan como imágenes.Extracción de su contenido para flujos de trabajo digitales, cumplimiento, o investigación puede ser lento, costoso, y propenso a error si se hace manualmente.

Revisión de Soluciones

Aspose.OCR Scan to Text for .NET converte imágenes de páginas impresas en texto usable, maneja columnas únicas, múltiples y diseños complejos. El flujo de trabajo es perfecto para digitalizar contratos, libros, registros y documentos de negocio para uso moderno.

Prerequisitos

Asegúrese de que tienes:

  • Visual Studio 2019 o más tarde
  • .NET 6.0 o posterior (o .Net Framework 4.6.2+)
  • Aspose.OCR para .NET de NuGet
  • Conocimiento básico C#
PM> Install-Package Aspose.OCR

Implementación paso a paso

Paso 1: Instalar y configurar Aspose.OCR

Añade el paquete NuGet y referencia Aspose.OCR:

using Aspose.OCR;

Paso 2: Añade tus imágenes escaneadas

Cargar archivos de imagen únicos o múltiples para ser procesados.

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("contract_page1.png");
input.Add("agreement_page2.jpg");

Paso 3: Configure las configuraciones de reconocimiento

Tune para el lenguaje y el layout de los documentos según sea necesario.

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
// For complex or multi-column layouts:
settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

Paso 4: Ejecutar el proceso de reconocimiento 

AsposeOcr ocr = new AsposeOcr();
List<RecognitionResult> results = ocr.Recognize(input, settings);

Paso 5: Salvar o procesar el texto extraído 

foreach (RecognitionResult result in results)
{
    Console.WriteLine(result.RecognitionText);
    result.Save("scanned_text.txt", SaveFormat.Text);
    // Save to Word or PDF as needed
    result.Save("scanned_text.docx", SaveFormat.Docx);
    result.Save("scanned_text.pdf", SaveFormat.Pdf);
}

Paso 6: Agregar el tratamiento de errores 

try
{
    AsposeOcr ocr = new AsposeOcr();
    List<RecognitionResult> results = ocr.Recognize(input, settings);
    // Use results...
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Paso 7: Optimización de la configuración de documentos

  • Para los libros o artículos, utilice DetectAreasMode.DOCUMENT o trate de DetecTreaModa.AUTO
  • Imágenes preprocesadas (crop, deskew) para la mejor exactitud
  • Proceso de batch para archivos grandes
foreach (string file in Directory.GetFiles("./scans", "*.jpg"))
{
    input.Add(file);
}

Paso 8: El ejemplo completo 

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.SingleImage);
            input.Add("contract_page1.png");
            input.Add("agreement_page2.jpg");

            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;
            settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

            AsposeOcr ocr = new AsposeOcr();
            List<RecognitionResult> results = ocr.Recognize(input, settings);

            foreach (RecognitionResult result in results)
            {
                Console.WriteLine(result.RecognitionText);
                result.Save("scanned_text.txt", SaveFormat.Text);
                result.Save("scanned_text.docx", SaveFormat.Docx);
                result.Save("scanned_text.pdf", SaveFormat.Pdf);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Usar Casos y Aplicaciones

El contrato y la digitalización del acuerdo

Digitalizar rápidamente los documentos legales o de negocios para la búsqueda, el archivo y los flujos de trabajo digitales.

Procesamiento de libros y archivos

Convertir páginas de libros o registros históricos en formatos buscables y editables.

Conformidad y extracción de datos

Permite verificaciones de conformidad automatizadas, auditoría o extracción de texto de documentos de herencia.

Desafíos y soluciones comunes

Desafío 1: Escaneos de baja calidad o texto perdido

Solución: Utilice pre-procesamiento o mejora de imágenes para una mejor precisión de OCR.

Desafío 2: Layout de múltiples columnas o complejos

Solución: Ajuste DetectAreasMode y prueba para el mejor manejo de diseño.

Desafío 3: Digitización de batch

Solución: Utilice el procesamiento de batch y la gestión de recursos para empleos de gran escala.

Consideraciones de rendimiento

  • Proceso de batch para velocidad y escalabilidad
  • Utilizar imágenes de fuente de buena calidad
  • Dispone de objetos OCR después del uso

Mejores Prácticas

  • Siempre valide el texto extraído antes de la automatización o el archivo
  • Utilice las configuraciones de reconocimiento correctas para el tipo de documento
  • Backup de los scans originales para la referencia
  • Resultados de prueba de OCR en una muestra antes de la producción

Escenarios avanzados

Escenario 1: Extracción de documentos multilingüe 

settings.Language = Language.French;

Escenario 2: Exportación a JSON para la integración 

foreach (RecognitionResult result in results)
{
    result.Save("scanned_text.json", SaveFormat.Json);
}

Conclusión

Aspose.OCR Scan to Text for .NET es la forma más rápida de convertir imágenes y documentos de papel escaneados en texto usable y editable, ideal para proyectos legales, académicos o empresariales.

Ver más ejemplos y detalles técnicos en el Aspose.OCR para .NET API Referencia .

 Español