OCR Carta de amor

# file.choose()

Teoriá

El 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 imagenes capturadas con una camara, en datos editables y buscables

Instalar packetes y librerias

# install.packages("tesseract")
library(tesseract)
# install.packages("magick")
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

# install.packages("officer")
library(officer)
# install.packages("pdftools")
library(pdftools)

## Using poppler version 23.08.0

Obtener texto de una imagen PNG

imagen1 <- image_read("C:\\Users\\sebas\\OneDrive\\Escritorio\\Inteligencia de Negocios\\Modulo 2\\14 08 2024\\imagenes-de-amor-para-mi-esposa_fb8edbf2_1080x1080.jpg")
tesseract_download("spa")

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

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

## [1] "ly\nMi lugar favorito —\nen el mundo es\nNZ a tu lado\nSN Í\nCLARA\n"

Guardar texto en word

doc1 <- read_docx()
doc1 <- doc1 %>% body_add_par(texto1, style = "Normal")

# print(doc1, target = "imagen1enpdf.docx")

Conclusiones

El OCR es una tecnologia que nos permite ser mas eficiente las operaciones de las empresas, ahorrando costos en la captura de informacion