OCR

library(magick)

## Linking to ImageMagick 6.9.12.93
## Enabled features: cairo, fontconfig, freetype, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fftw, ghostscript, x11

# Cargar la imagen
img <- image_read("/Users/christian/downloads/disciplina.png")

# Mostrar la imagen
print(img)

##   format width height colorspace matte filesize density
## 1    PNG   512    512       sRGB  TRUE    59951   38x38

Teoria :

El reconocimiento optico 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 em datos editables y buscables.

Instalar paquetes y llamar librerias

#install.packages("tesseract") # OCR
#install.packages("magick") # OCR
#install.packages("officer") # OCR
#install.packages("pdftools") # OCR

library(tesseract)
library(magick)
library(officer)
library(pdftools)

## Using poppler version 23.04.0

#Obtener texto de una imagen PNG

# file.choose()
  imagen1 <- image_read("/Users/christian/downloads/Poema.png")

  tesseract_download("spa")

## [1] "/Users/christian/Library/Application Support/tesseract5/tessdata/spa.traineddata"

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

## [1] "Y allí estaba, persiguiendo su barco de papel por el lado izquierdo de Witcham Street. Corría\ndeprisa, pero el agua le ganaba y el barquito estaba sacando ventaja. Oyó un rugido profundo y\nvio cómo cincuenta metros más adelante, colina abajo, el agua de la cuneta se precipitaba\ndentro de una boca de tormenta que aún continuaba abierta. Era un largo semicírculo oscuro\nabierto en el bordillo de la acera y mientras George miraba, una rama desgarrada, con la corteza\noscura y reluciente se hundió en aquellas fauces. Allí pendió por un momento y luego se deslizó\nhacia el interior. Hacia alli se encaminaba su bote.\n\n— ¡Mierda! —chilló horrorizado,\n\nForzó el paso y, por un momento, pareció que iba a alcanzar al barquito. Pero uno de sus pies\nresbaló y George cayó despatarrado despellejándose la rodilla con un grito de dolor. Desde su\nnueva perspectiva, a la altura del pavimento, vio que su barco giraba en redondo dos veces,\nmomentáneamente atrapado en otro remolino, antes de desaparecer,\n\n—iMierda y más mierda! —volvió a chillar, estrellando el puño contra el pavimento.\n\nEso también dolió, y se echó a sollozar. ¡Qué manera tan estúpida de perder el barco!\n\nSe levantó para caminar hacia la boca de tormenta y allí se dejó caer de rodillas, para mirar hacia\nel interior. El agua hacía un ruido hueco y húmedo al caer en la oscuridad. Ese sonido le daba\nescalofríos. Hacía pensar en...\n\n—iEh!\n\nLa exclamación le fue arrancada como con un cordel. Retrocedió.\n\nAllí adentro había unos ojos amarillos. Ese tipo de ojos que él siempre imaginaba, sin verlos\nnunca, en la oscuridad del sótano. Es un animal —pensó, incoherente—; eso es todo: un animal; a lo\nmejor un gato que quedó atrapado...\n\nDe todos modos, estaba por echar a correr; habría corrido uno o dos segundos, cuando su\ntablero mental se hubiera hecho cargo del espanto que le produjeron esos dos ojos amarillos y\nbrillantes. Sintió la áspera superficie del pavimento bajo los dedos y la fina lámina de agua fría\nque corría alrededor. Se vio a si mismo levantándose y retrocediendo. Y fue entonces cuando\nuna voz, una voz perfectamente razonable y bastante simpática, le habló desde dentro de la\nboca de tormenta:\n\n—Hola, George —dijo.\n\nGeorge parpadeó y volvió a mirar. Apenas podía dar crédito a lo que veía; era como algo sacado\nde un cuento o de una película donde uno sabe que los animales hablan y bailan. Si hubiera\ntenido diez años más, no habría creido en lo que estaba viendo; pero no tenía dieciséis años, sino\nseis.\n\nEn la boca de tormenta había un payaso. La luz distaba de ser buena, pero bastó para que\nGeorge Denbrough estuviese seguro de lo que veía. Era un payaso, como en el circo o en la tele.\nParecía una mezcla de Bozo y Clarabell, el que hablaba haciendo sonar su bocina en Howdy\nDoody, los sábados por la mañana. Búfalo Bob era el único que entendía a Clarabell, y eso\nsiempre hacía reír a George. La cara del payaso metido en la boca de tormenta era blanca; tenia\ncómicos mechones de pelo rojo a cada lado de la calva y una gran sonrisa de payaso pintada\n"

Guardar texto en WORD

doc1 <- read_docx()
doc1 <- doc1 %>% body_add_par(texto1, style = "Normal")
print(doc1, target = "C:\\Carpeta de R\\imagenlenpdf.docx")

Conclusiones

OCR es una herramienta que nos permite hacer mas eficiente las operaciones de empresas, ahorrando costos y tiempos.