Cómo corregir errores de OCR y mejorar el resultado
Si faltan palabras o aparecen caracteres inesperados en el texto reconocido, compáralo primero con la imagen. El OCR puede haber leído mal una letra, pero la errata también puede estar en el original. El corrector ayuda a editar el resultado; no reconstruye la fuente automáticamente.
Empieza con un párrafo legible
Abre el reconocimiento de texto en imágenes, elige el idioma que aparece realmente en la imagen y prueba con un párrafo corto. Así podrás distinguir si el problema afecta a toda la foto o solo a una zona.
Cambia una condición cada vez: primero el idioma, después el encuadre o la calidad de imagen. De otro modo será difícil saber qué ha ayudado. Toma la imagen como referencia, incluso cuando un resultado incorrecto parezca una frase plausible.
Problemas habituales y qué probar
- Letras de otro alfabeto. Comprueba el idioma seleccionado. El idioma de la interfaz y el del reconocimiento son ajustes independientes.
- Faltan letras o terminaciones. Amplía el original. Si tú tampoco distingues los caracteres, haz una foto más nítida.
- Se mezclan palabras de varias columnas. Recorta una columna con un editor de imágenes externo y súbela por separado.
- Aparecen caracteres junto a los bordes. Excluye marcos oscuros, dedos y objetos situados al lado de la página.
- No se encuentra texto. Revisa el archivo, el idioma y la legibilidad; prueba después con un pequeño bloque de texto impreso corriente.
Haz una foto mejor
Mantén la cámara paralela a la página, enfoca las letras y usa una iluminación uniforme. Evita los reflejos que oculten líneas. En una página muy curvada, dos fotos de zonas pequeñas pueden ser más legibles que una de toda la doble página.
Endereza las líneas visiblemente inclinadas. Recorta el fondo innecesario, pero deja un pequeño margen claro alrededor del texto. Estos pasos siguen las recomendaciones de preparación de imágenes de Tesseract.
Por qué una imagen mayor no siempre es mejor
El tamaño y la nitidez de las letras importan más que el peso del archivo. Un cartel pequeño dentro de una foto grande de una habitación sigue teniendo pocos detalles legibles. Recortar la página puede ayudar más que ampliar toda la fotografía.
Istio prepara las imágenes antes del reconocimiento y limita sus dimensiones para procesarlas en el navegador. Si una página grande contiene letras muy pequeñas, prueba con párrafos individuales. Ampliar una imagen borrosa no recupera detalles que nunca se captaron.
Capturas, fotos y diseños complejos
Si el texto ya está en una pantalla, utiliza la captura original en lugar de fotografiar el monitor. Cuando sea posible, aumenta el tamaño de la letra en la aplicación de origen antes de capturarla. Conserva la imagen original y evita copias que hayan perdido calidad tras varias compresiones.
JPG/JPEG y PNG son buenos formatos para empezar. La página OCR no admite directamente PDF ni HEIC: guarda antes la página o foto en un formato de imagen compatible. Las tablas, la escritura manual y las tipografías decorativas necesitan una revisión cuidadosa. No se garantiza conservar la disposición original.
Compara antes y después
- Elige un fragmento corto que puedas leer.
- Reconoce la imagen original y copia el resultado en una nota.
- Cambia un solo factor, como eliminar un reflejo o aislar una columna.
- Repite el reconocimiento con el mismo idioma y compara omisiones, sustituciones y orden de las líneas.
- Conserva la versión más fiel y corrige a mano las diferencias restantes.
Por ejemplo, el OCR podría confundir el dígito «1» con la letra «I» en la línea de práctica «Documento 15». Es una posible confusión, no un resultado medido de Istio. Compara siempre nombres, fechas, importes y códigos con la fuente.
Comprueba la ortografía después de revisar la imagen
Edita el texto en el campo de resultado y usa la comprobación del texto reconocido si está disponible para el idioma seleccionado. Valora las sugerencias en contexto. Una palabra bien escrita puede no ser la de la foto: la revisión ortográfica no sustituye la comparación con el original.
Si un nuevo intento falla o no encuentra texto, el resultado anterior permanece en el editor y puede pertenecer a otra imagen. Lee el aviso situado sobre el formulario antes de interpretar el texto visible como un resultado nuevo.
Si el reconocimiento no empieza
La primera ejecución descarga un modelo de idioma. Un problema de conexión o un recurso bloqueado puede impedir que termine. Comprueba la conexión y vuelve a intentarlo tras resolver la causa. Esperar sin obtener un resultado no demuestra que el reconocimiento haya funcionado.
La documentación de Tesseract.js explica el motor que funciona en el navegador. La interfaz de Istio ofrece solo parte de sus ajustes.