¿Tu OCR falla con PDFs escaneados? Cómo optimizarlos para conseguir un texto perfecto.

Sesgo (texto torcido)

Líneas giradas o inclinadas; el texto sube o baja a lo largo de la página

Enderezado automático antes del OCR

Contraste bajo / texto desvaído

Texto gris claro sobre fondo blanquecino; difícil de leer

Mejora del contraste o ajuste de escala de grises

Ruido / patrones de semitonos

Fondo moteado, polvo o puntos como de periódico

Filtro de reducción de ruido o eliminación de trama

Baja resolución

Formas de letras borrosas o pixeladas; los trazos se fusionan

Volver a escanear a 300 DPI o más; remuestreo como último recurso

Resolución

Crítico

Los motores OCR necesitan al menos 300 DPI para texto estándar (10–12 pt). Por debajo de 200 DPI se pierde detalle fino. El remuestreo no puede restaurar los datos perdidos.

Escanea siempre a 300 DPI (escala de grises o blanco y negro). Si no es posible volver a escanear, remuestrea con cuidado a 300 DPI y aplica un enfoque ligero.

Renee PDF Aide (exportar a resolución completa), ImageMagick (remuestreo por lotes), GIMP (verificación manual de DPI).

Enderezado

Alta

Incluso una pequeña inclinación hace que el OCR lea mal las letras (p. ej., «rn» → «m»).

Usa el enderezado automático y luego ajusta la rotación en incrementos pequeños (0,2–0,5°).

ScanTailor Advanced (enderezado por lotes), Renee PDF Aide (opción de enderezado).

Contraste y brillo

Alta

Texto oscuro sobre fondo claro mejora el reconocimiento, especialmente en originales desvaídos o amarillentos.

Ajusta los niveles/curvas en lugar de solo el brillo para un mejor control.

GIMP (Niveles/Curvas), ImageMagick (ajuste de contraste por lotes).

Reducción de ruido / eliminación de trama

Media

Las motas, el polvo o los puntos de semitonos confunden al OCR y generan caracteres falsos.

Aplica filtros ligeros de eliminación de motas o mediana; usa eliminación de trama para escaneos de periódicos.

ScanTailor Advanced (eliminación de motas/trama por lotes), ImageMagick (reducción de ruido).

Recortar márgenes

Media

Los bordes, sombras de encuadernación y agujeros añaden píxeles irrelevantes que el OCR puede malinterpretar.

Recorta de manera uniforme, dejando un margen de 2–5 mm para evitar cortar el texto.

ScanTailor Advanced (recorte por lotes), ImageMagick (-trim para recorte automático).

Rotar páginas

Media

El OCR requiere una orientación uniforme; las páginas al revés reducen la precisión.

Asegúrate de que todas las páginas estén derechas y alineadas antes del OCR.

PDFsam Basic (rotación por lotes), Renee PDF Aide (opción de rotación).

Formato de archivo y modo de color

Alta

La escala de grises o el blanco y negro de 1 bit ofrecen un OCR más nítido. La compresión JPEG alta rompe las formas de las letras.

Guarda las páginas limpias como PNG/TIFF; usa compresión sin pérdida. Para solo texto, convierte a blanco y negro de 1 bit.

Renee PDF Aide (fusión «Imagen a PDF» con compresión mínima), ImageMagick (conversión por lotes a TIFF/PNG).

Snappy‑Fix PDF DPI Checker https://www.snappy-fix.com/tools/pdf-dpi-checker

Sube tu PDF (hasta 20 MB). Informa al instante los DPI de cada imagen incrustada por página.

Rápido, gratuito, sin instalación. Proporciona los DPI por página y la resolución media.

HerramientasSeek PDF DPI Checker

Arrastra y suelta tu PDF. Se ejecuta localmente en el navegador y muestra DPI_X y DPI_Y para cada imagen, además de gráficos.

Respetuoso con la privacidad (sin subida al servidor). Ideal para un análisis detallado.