OCR Activities

Versión: 1.2.5  ·  ID: zoan-packages-ocr  ·  Autor: Zoan Software

El paquete OCR (Optical Character Recognition, reconocimiento óptico de caracteres) lee el texto que aparece dentro de una imagen: un documento escaneado, una foto de un documento, una captura de pantalla. Es el complemento del paquete PDF: cuando un documento es una imagen (no tiene texto seleccionable), las actividades de PDF no pueden leerlo — pero OCR sí.

Usa el motor Tesseract 5 en modo LSTM, un reconocedor de texto de código abierto ampliamente usado, con preprocesado de imagen basado en OpenCV. Los idiomas español e inglés vienen incluidos en el paquete: no hay que instalar nada más. El reconocimiento corre en la máquina del robot (sin enviar las imágenes fuera) y el paquete funciona en robots Windows.

El OCR no es perfecto

El OCR interpreta una imagen, así que su precisión depende de la calidad de esa imagen: una buena resolución y un texto nítido dan excelentes resultados; un escaneo borroso, torcido o de baja calidad produce errores. Por eso:

• Usa imágenes de buena resolución (300 DPI o más para escaneos).
• Activa el preprocesado (preprocess) para limpiar imágenes difíciles.
• Valida los datos extraídos (por ejemplo, que un número tenga el formato esperado) — no asumas que el texto es 100% correcto.

Formatos de entrada

Las actividades que leen archivos aceptan imágenes .png, .jpg, .bmp y .tiff. Para un PDF escaneado, convierte antes sus páginas a imágenes con PDF to Images y pasa cada imagen al OCR.

Idioma del texto

Casi todas las actividades aceptan un parámetro language con el código del idioma del texto a reconocer:

Valor	Idioma
eng	Inglés (por defecto)
spa	Español
eng+spa	Varios idiomas a la vez

También acepta etiquetas regionales como es-CO o en-US, que se traducen al código de Tesseract (es → spa, en → eng; también pt, fr, de, it y ca). Una etiqueta que no se reconoce se trata como inglés. Un código que no está instalado produce el error No se encontró el idioma de Tesseract '…', con la lista de los disponibles.

Indicar el idioma correcto mejora mucho la precisión (por los acentos, la ñ, etc.). Para texto en español, usa siempre language = "spa". Para ver qué idiomas están disponibles, usa OCR Get Available Languages.

Preprocesado de la imagen

El parámetro preprocess aplica una limpieza a la imagen antes de reconocerla, lo que mejora el resultado en escaneos de mala calidad. Lo tienen OCR Recognize File y las tres actividades de extracción estructurada:

Valor	Qué hace
none	Sin preprocesado (por defecto, salvo en OCR Extract Table, que usa auto)
auto	Limpieza completa: escala de grises, quita ruido, binariza y endereza
deskew	Solo endereza una imagen torcida (gira si la inclinación supera unos 0,3°)
binarize	Convierte a blanco y negro con umbral adaptativo (mejora el contraste)

La imagen original no se modifica: la limpieza se hace en memoria.

Si el reconocimiento sale mal, prueba auto

La opción preprocess = "auto" resuelve la mayoría de los problemas de escaneos torcidos o con ruido. Empieza sin preprocesado; si el texto sale con errores, súbele a auto.

Dos fuentes: archivo o pantalla

• Desde un archivo de imagen (.png, .jpg, .bmp, .tiff): OCR Recognize File y las de extracción estructurada.
• Desde la pantalla: OCR Recognize Screen Region (un área), OCR Screenshot (toda la pantalla) y OCR Find Text (en una región). Estas requieren una sesión de escritorio interactiva (igual que el paquete Desktop): capturan lo que se ve en ese momento.

Coordenadas

Las actividades que devuelven posiciones (OCR Find Text, OCR Get Lines) usan píxeles con origen en la esquina superior izquierda de la imagen analizada: la del archivo o, en pantalla, la de la región capturada. Para obtener coordenadas de pantalla, suma la x/y de la región.

Actividades

Reconocer texto

Actividad	Tipo	Salida	Qué hace
OCR Recognize File	ocr-recognize	string	Lee el texto de un archivo de imagen
OCR Recognize Screen Region	ocr-recognize-region	string	Lee el texto de un área de la pantalla
OCR Screenshot	ocr-screenshot	string	Lee todo el texto de una pantalla

Buscar y ubicar

Actividad	Tipo	Salida	Qué hace
OCR Find Text	ocr-find-text	object	Encuentra la posición de un texto
OCR Get Lines	ocr-get-lines	List<object>	Lista estructurada de líneas y palabras con coordenadas

Extracción estructurada

Actividad	Tipo	Salida	Qué hace
OCR Extract Pattern	ocr-extract-pattern	Dictionary<string, string>	Extrae campos con expresiones regulares
OCR Extract Form Fields	ocr-extract-form	Dictionary<string, string>	Extrae texto de regiones nombradas
OCR Extract Table	ocr-extract-table	DataTable	Extrae una tabla de una imagen a una DataTable

Utilidad

Actividad	Tipo	Salida	Qué hace
OCR Get Available Languages	ocr-get-languages	List<string>	Idiomas disponibles

Un flujo típico

Leer una factura escaneada y extraer su número:

OCR Recognize File   path = rutaImagen   language = "spa"   preprocess = "auto"   → output: texto
Set Variable   name = numero   value = regexFind(texto, "FAC-\d+")

Siguientes pasos

• OCR Recognize File — leer texto de una imagen.
• OCR Extract Pattern — extraer campos concretos de un documento.
• PDF — para PDF con texto seleccionable (sin OCR).