mizber







6.6. Reconocimiento Óptico de Caracteres
El Reconocimiento Óptico de Caracteres u OCR, por sus siglas en inglés (véase figura 28) , es un proceso a través del cual textos en papel sonconvertidos en imágenes con el uso de un escáner y un software para el propósito. Los caracteres que contienen estas imágenes son interpretados y convertidos a texto digital, el cual puede seralmacenado en algunos de los formatos de texto más comunes: .DOC, .TXT, RTF o PDF. Este proceso es útil en la mayoría de las tipografías de los siglos XIX y XX. Sin embargo, para documentos con baja calidadde impresión o familias tipográficas complejas, el OCR no es una buena opción, pues cada carácter que no es reconocido correcta y automáticamente por el software requiere de un trabajo extra decorrección. A veces ésta se convierte en una tarea más difícil y pausada que la captura manual del documento.
Hace algunos años el porcentaje de error del proceso de OCR se encontraba entre el 2 y el 5%,ahora el software es mucho más eficiente y se obtienen textos con un porcentaje de error menor al 1%. Claro que este porcentaje está directamente relacionado con la calidad del documento original,siendo recomendable todavía, en raras ocasiones, recurrir a un buen mecanógrafo para capturar el texto, evitando con ello el cotejo para encontrar y corregir los errores.
FIGURA 28. ReconocimientoÓptico de Caracteres (OCR)
Para evitar exhaustivas y grandes correcciones posteriores, es recomendable hacer pruebas antes de iniciar un largo proceso de OCR. Con frecuencia algunas letras sonintercambiadas por otras, sobre todo tipografías cursivas: una e puede ser tomada por una c, o una l por un 1.
Cuando se trata de manuscritos no es posible hacer muchas pruebas, porque usualmente no se puedensometer a un proceso de OCR. Si fuera el caso, el margen de error sería muy alto, por lo que la captura manual del texto es la mejor opción, o bien, la digitalización del documento como imagen...