OCR

# Teoria 1
# Reconocimiento óptico de Caracteres (OCR) es una tecnologia utilizada para convertir diferentes tipos de documentos, como imagenes, documentos impresos escaneados fotografias de texto, archivos PDF, o imágenes capturadas con una cámara, en datos editables y buscables

library(tesseract)
library(magick)

## Linking to ImageMagick 6.9.12.98
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11

library(officer)
library(pdftools)

## Using poppler version 23.08.0

# obtener texto de una imagen en PNG
imagen1 <- image_read("C:\\Users\\lcbor\\Documents\\images.png")
tesseract_download("spa")

## [1] "C:\\Users\\lcbor\\AppData\\Local\\tesseract5\\tesseract5\\tessdata/spa.traineddata"

texto1 <- ocr(imagen1, engine = tesseract("spa"))
texto1

## [1] "AAA\nDISCIPLINA\nORGANIZACIÓN — UMPEZA PUNTUALIDAD\narena\nA\n"

# Guardar texto en word
doc1 <- read_docx()
doc1 <- doc1 %>% body_add_par(texto1, style = "Normal")
print(doc1,target = "imagen1enpdf.docx")

# Conclusion
# Transformar una imagen a texto puede tener sus complicaciones, especialmente si no tiene formato de un texto convencional. Considerando que subi un diagrama el programa hizo un trabajo decente leyendo el texto