OCR Carta de amor

Teoria

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

library(tesseract)

## Warning: package 'tesseract' was built under R version 4.4.1

library(magick)

## Warning: package 'magick' was built under R version 4.4.1

## 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)

## Warning: package 'officer' was built under R version 4.4.1

library(pdftools)

## Warning: package 'pdftools' was built under R version 4.4.1

## Using poppler version 23.08.0

Obtener texto de una imagen PNG

imagen1 <- image_read("C:\\Users\\eleyva1\\OneDrive - Steelcase Inc\\Documents\\LIT TEC\\carta de amor.jpg")
tesseract_download("spa")

## [1] "C:\\Users\\eleyva1\\AppData\\Local\\tesseract5\\tesseract5\\tessdata/spa.traineddata"

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

## [1] "CARTA DE Y ;\nAMOR\na\ncasa\noi\na,\na\nls\nan\ne\nia\no\nroad\nta\ne\no\nbn\npio\ne A E)\nE\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 tecnología que nos permite ser mas eficiente las operaciones de las empresas, ahorrando costos en la captura de informacion