8
R
ev
i
st
a
T
é
c
n
i
c
a
de
l
a
E
m
p
r
e
s
a
de
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
de
C
u
b
a
S.
A
.
J
U
L
I
O / D
I
C
I
E
M
B
R
E
2017
V
O
L
.
14
9
I
n
t
r
o
d
u
cc
i
ó
n
te.
H
oy, con los adelanto
s
de la computación y lo
s
má
s
de
50 años de investigación en la
s
técnica
s
de la
I
nteligencia
A
rti
f
icial, el
s
ueño de la creación de máquina
s
inteligente
s
se está convirtiendo en una
r
ealidad
[
3
]
.
La I
A
es una rama de la
s
ciencia
s
computacionale
s
enca
r
gada
de e
s
tudiar modelo
s
de cómputo capace
s
de
r
ealiza
r
activi
-
dades propias de los seres humano
s
en ba
s
e a do
s
de
s
u
s
ca
-
racterí
s
tica
s
primordiale
s
: el
r
azonamiento y la conducta
[
4
]
.
T
É
C
N
I
C
A
B
R
E
V
E
R
E
S
E
Ñ
A
SO
B
R
E
E
L
R
E
CONOC
I
M
I
E
NTO
Ó
P
T
I
C
O
D
E
C
A
R
A
CT
E
R
E
S
E
l
r
e
c
o
n
o
c
i
m
i
e
n
t
o
ó
p
t
i
c
o
de
c
a
r
a
c
t
e
r
e
s
(
OC
R
)
e
s
un
a
de
l
a
s
á
r
e
a
s
m
á
s
a
n
t
i
gu
a
s
de
n
t
r
o
de
l
r
e
c
o
n
o
-
c
i
m
i
e
n
t
o
de
p
a
t
r
o
n
e
s
y
e
l
p
r
o
c
e
s
a
m
i
e
n
t
o
de
i
m
á
g
e
n
e
s
.
E
s
un
p
r
o
c
e
s
o
e
n
c
a
m
i
n
a
d
o
a
l
a
d
i
g
i
t
a
li
z
a
c
i
ó
n
de
t
e
x
t
o
s
,
a
p
li
c
a
b
l
e
e
n
d
i
st
i
n
t
o
s
á
m
b
i
t
o
s
y
s
e
c
t
o
r
e
s
.
E
l
OC
R
e
s
r
e
f
e
r
i
d
o
a
m
e
nu
d
o
c
o
m
o
l
a
a
l
t
e
r
n
a
-
t
i
v
a
m
á
s
r
á
p
i
d
a
,
e
c
o
n
ó
m
i
c
a
y
s
e
gu
r
a
p
a
r
a
l
a
e
n
t
r
a
d
a
a
u
t
o
m
á
t
i
c
a
de
l
c
o
n
t
e
n
i
d
o
de
l
o
s
d
o
c
u
m
e
n
t
o
s
i
m
p
r
e
s
o
s
e
n
p
a
pe
l
a
s
o
p
o
r
t
e
s
e
l
e
c
t
r
ó
n
i
c
o
s
.
E
n
e
l
p
r
e
s
e
n
t
e
a
r
t
í
c
u
l
o
s
e
de
s
c
r
i
be
n
l
o
s
p
r
o
c
e
s
o
s
q
u
e
l
o
c
o
m
p
o
n
e
n
a
s
í
c
o
m
o
s
u
u
t
ili
z
a
c
i
ó
n
.
P
a
l
a
b
r
a
s
c
l
a
v
e
:
I
n
t
e
li
g
e
n
c
i
a
a
r
t
i
f
i
c
i
a
l
,
r
e
c
o
n
o
c
i
m
i
e
n
t
o
de
p
a
t
r
o
n
e
s
,
r
e
c
o
n
o
c
i
m
i
e
n
t
o
ó
p
t
i
c
o
de
c
a
r
a
c
t
e
r
e
s
La inteligencia e
s
una capacidad mental muy general que,
entre otro
s
a
s
pecto
s
, implica la habilidad de razonar, planear,
re
s
olver problemas, pensar de manera abstracta, comprender
idea
s
complejas, aprender rápidamente y aprender de la expe-
riencia [1]. Todo lo anterior
s
on habilidade
s
mentale
s
que no
s
permiten alcanzar con éxito las metas. Si nos faltara cualquie-
ra de estas capacidades,
s
eríamo
s
claramente menos capace
s
A
pesar de que el funcionamiento de la mente humana
no ha llegado a conocer
s
e en
s
u totalidad, por todos lo
s
procesos complejos que este implica, desde la antigüedad
el hombre ha estado interesado en la po
s
ibilidad de crear
máquinas que, mediante la
s
imulación del pen
s
amiento
A
rti
f
icial (I
A
) para de
s
cribir la
s
di
s
tinta
s
técnica
s
que po-
drían conseguir que un ordenador actuase inteligentemen-
de afrontar con éxito una amplia gama de entornos [2].
Se han propue
s
to muchas de
f
inicione
s
del té
r
mino
I
nteli
-
gencia
A
rti
f
icial de acue
r
do a di
s
tinta
s
pe
rs
pectiva
s
, en
-
tre ella
s
s
e encuentran las
s
iguiente
s
, que de
f
inen a la
I
A
como: “La intere
s
ante tarea de log
r
a
r
que la
s
computado
-
ras pien
s
en... máquina
s
con mente, en
s
u amplio
s
entido
literal.”, “El e
s
tudio de cómo log
r
a
r
que la
s
computado
r
a
s
zonar y actuar.” En e
s
ta
s
de
f
inicione
s
s
e hace e
s
pecial en
-
foque hacia las facultade
s
mentale
s
y
s
u
r
elación con la
s
O
p
t
i
c
a
l
c
h
a
r
a
c
t
e
r
r
e
c
o
gn
i
t
i
o
n
(
OC
R
)
i
s
o
n
e
o
f
t
h
e
o
l
de
st
a
r
e
a
s
o
f
p
a
tt
e
r
n
r
e
c
o
gn
i
t
i
o
n
a
n
d
i
m
a
g
e
p
r
o
c
e
ss
i
ng
.
I
t
i
s
a
p
r
o
c
e
ss
a
i
m
ed
a
t
t
h
e
d
i
g
i
t
i
z
a
t
i
o
n
o
f
t
e
x
ts
,
a
pp
li
c
a
b
l
e
i
n
d
i
ff
e
r
e
n
t
a
r
e
a
s
a
n
d
s
e
c
-
t
o
r
s
. OC
R
i
s
o
f
t
e
n
r
e
f
e
rr
ed
t
o
a
s
t
h
e
f
a
st
e
st
,
m
o
st
e
c
o
n
o
m
i
c
a
l
a
n
d
s
a
f
e
st
a
l
t
e
r
n
a
t
i
ve
f
o
r
a
u
t
o
m
a
t
i
c
e
n
t
r
y
o
f
t
h
e
c
o
n
t
e
n
t
o
f
p
a
pe
r
d
o
c
u
m
e
n
ts
i
n
t
o
e
l
e
c
t
r
o
n
i
c
m
ed
i
a
.
T
h
e
p
r
e
s
e
n
t
a
r
t
i
c
l
e
de
s
c
r
i
be
s
t
h
e
humano, realicen trabajos y acciones propias.
A
poyado en
realicen tareas que, por el momento, lo
s
humano
s
hacen
p
r
o
c
e
ss
e
s
t
h
a
t
c
o
m
p
o
s
e
i
t
a
s
w
e
ll
a
s
i
ts
u
s
e
.
este anhelo e
s
que aparece en 1956 el término Inteligenciamejor” [5], “El e
s
tudio de lo
s
cálculo
s
que pe
r
miten,
r
a
-
K
e
yw
o
r
d
s
:
Ar
t
i
f
i
c
i
a
l
i
n
t
e
lli
g
e
n
c
e
,
p
a
tt
e
r
n
r
e
c
o
gn
i
t
i
o
n
,
o
p
t
i
c
a
l
c
h
a
r
a
c
t
e
r
r
e
c
o
gn
i
t
i
o
n
P
o
r
:
M
S
c
.
A
m
a
u
r
y
F
e
li
pe
A
c
o
st
a
,
E
s
pe
c
i
a
li
st
a
“
C
”
e
n
T
e
l
e
m
á
t
i
c
a
,
C
e
n
t
r
o
de
R
e
f
e
r
e
n
c
i
a
T
e
c
n
o
l
ó
g
i
c
a
p
a
r
a
l
a
P
l
a
n
t
a
E
x
t
e
r
i
o
r
,
DT
M
Z
,
E
T
E
CS
A
;
M
S
c
.
Y
u
s
m
e
l
v
i
s
G
a
r
c
í
a
A
z
á
n
,
E
s
pe
c
i
a
li
st
a
“
B
”
e
n
C
i
e
n
c
i
a
s
I
n
f
o
r
m
á
t
i
c
a
s
;
M
S
c
.
I
s
a
be
l
P
é
r
e
z
E
st
éve
z
,
J
e
f
e
de
G
r
u
p
o
S
o
p
o
r
t
e
I
n
f
o
r
m
á
t
i
c
o,
D
ep
a
r
t
a
m
e
n
t
o
de
T
e
c
n
o
l
o
g
í
a
s
de
l
a
I
n
f
o
r
m
a
c
i
ó
n
,
DTC
M
,
E
T
E
CS
A
.
R
E
S
U
M
EN
A
B
S
T
R
A
CT
1
0
R
ev
i
st
a
T
é
c
n
i
c
a
de
l
a
E
m
p
r
e
s
a
de
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
de
C
u
b
a
S.
A
.
J
U
L
I
O / D
I
C
I
E
M
B
R
E
2017
V
O
L
.
14
11
T
É
C
N
I
C
A
T
É
C
N
I
C
A
O
C
R
s
u
h
i
s
t
o
r
i
a
La hi
s
toria de lo
s
s
i
s
tema
s
O
CR data de 1914 cuando
Emanuel
G
oldberg de
s
arrolló una máquina que leía carac-
tere
s
y lo
s
convertía en código telegrá
f
ico [13]. Pero no e
s
ha
s
ta 1929, cuando
G
u
s
tav Tau
s
chek obtuvo una patente
s
obre
O
CR en
A
lemania [15] [14] [11]. La máquina de
Tau
s
chek era un di
s
po
s
itivo mecánico que utilizaba plan-
tillas.
U
n fotodetector era colocado de modo que cuando
la plantilla y el carácter que
s
e reconocería e
s
tuvieran ali-
neados, una luz era dirigida hacia ello
s
[11].
En 1949, lo
s
ingeniero
s
de RC
A
trabajaron en la primera
computadora tipo
O
CR primitiva para ayudar a lo
s
ciego
s
.
Su dispositivo convertía un texto impre
s
o en lenguaje di-
gital y luego los leía. E
s
to resultó muy costo
s
o y no fue
continuado [13] [11].
En 1950,
D
avid Shepard, criptoanali
s
ta en la
A
gencia de
Seguridad de la
s
Fuerzas
A
rmada
s
de los Estado
s
U
ni-
dos, fue consultado para convertir men
s
ajes impresos en
lenguajes para almacenarlos en un computador, constru-
yendo una máquina llamada “
G
i
s
mo”, la cual podía leer
23 letra
s
del alfabeto inglés, comprender código Morse,
leer notas mu
s
icales, página
s
impresas y duplicar páginas
mecanogra
f
iada
s
[13]. En 1935, Shepard fundó Intelligent
Machine
s
Re
s
earch Corporation (IMR), comenzando a fa-
bricar el primero de vario
s
s
i
s
tema
s
de
O
CR u
s
ado
s
para
operacione
s
comerciale
s
[10].
El primer
s
i
s
tema comercial fue in
s
talado en Reader
s
D
i-
gest en 1955, que, muchos año
s
más tarde, fue donado al
mu
s
eo Smith
s
onian, donde fue pue
s
to en exhibición [14]
[13]. El segundo
s
istema fue vendido a lo
s
Standard
O
il
Company de California para leer impre
s
iones en tarjetas
de crédito para propó
s
ito
s
de facturación, ademá
s
s
e ven-
dieron muchos más si
s
tema
s
a compañías petroleras.
En 1974, Ray
K
urz
w
eil lideró el de
s
arrollo del primer
programa de computación capaz de reconocer texto im-
preso en cualquier tipo de letra normal. Él decidió que la
mejor aplicación de e
s
ta tecnología sería crear una máqui-
na lectora para lo
s
ciego
s
, que ayudaría a las per
s
ona
s
cie-
gas entender un texto escrito teniendo a una computadora
leyéndole en voz alta [14] [11].
D
ado que la
s
inve
s
tigaciones académicas en los cam-
pos de reconocimiento de patrone
s
e inteligencia arti-
f
icialcontinúan, el foco en
O
CR
s
e ha de
s
plazado a
la implementación de técnicas probadas. El reconoci-
miento óptico de caractere
s
(u
s
ando técnica
s
ópticas
como e
s
pejo
s
y lente
s
) y el reconocimiento digital de
caracteres (u
s
ando escáners y algoritmos computacio-
nale
s
) eran con
s
iderados originalmente campos
s
epa-
rados.
D
ebido a que muy poca
s
aplicaciones que u
s
an
técnica
s
óptica
s
han
s
obrevivido, el término
O
CR
s
e
ha ampliado para inclui
r
también p
r
oce
s
amiento digi
-
tal de imágene
s
[10].
Lo
s
primero
s
s
i
s
tema
s
reque
r
ían ent
r
enamiento
(s
umini
s-
trarle ejemplos conocido
s
de cada ca
r
ácte
r)
pa
r
a lee
r
un
tipo de letra e
s
pecí
f
ico. Lo
s
s
i
s
tema
s
“inteligente
s
” con
un alto grado de precisión de
r
econocimiento pa
r
a má
s
fuente
s
s
on ahora comune
s
. Alguno
s
s
i
s
tema
s
s
on inclu
s
o
capaces de reproducir
s
alida
s
f
o
r
mateada
s
que
s
e ap
r
oxi
-
man mucho a la
s
página
s
o
r
iginale
s
incluyendo imágene
s
,
columnas y otros componente
s
no textuale
s
[
10
]
.
P
r
o
c
e
s
a
m
i
en
t
o
d
e
O
C
R
En el proce
s
amiento de OCR
(
f
igu
r
a 1
)
e
s
tán p
r
e
s
ente
s
tres procesos bá
s
icos para log
r
a
r
el
r
econocimiento de ca
-
ractere
s
[11]:
•
Proce
s
o de e
s
caneo
•
Proce
s
o de reconocimiento
•
Proce
s
o de veri
f
icación
F
i
g
u
r
a
1
.
P
r
o
c
e
s
o
s
b
á
s
i
c
o
s
p
a
r
a
l
o
g
r
a
r
e
l
r
e
c
o
n
o
c
i
m
i
e
n
t
o
de
c
a
r
a
c
t
e
r
e
s
.
F
u
e
n
t
e
:
E
l
a
b
o
r
a
c
i
ó
n
p
r
o
p
i
a
.
La complejidad de cada p
r
oce
s
o va
r
ía
s
egún la meto
-
dología empleada para lleva
r
lo a cabo. Pe
r
o, en
s
entido
general, se escanea el documento, luego
s
e
r
ealiza el p
r
o
-
ce
s
o de reconocimiento del texto que contiene a t
r
avé
s
de varios algoritmo
s
complejo
s
, plantilla
s
y dicciona
r
io
s
adicionado
s
previamente lo
s
cuale
s
s
on cont
r
a
s
tado
s
con
los caracteres en el documento y lo
s
co
rr
e
s
pondiente
s
ca
-
ractere
s
editable
s
[11], y
f
inalmente
s
e
r
ealiza la ve
r
i
f
ica
-
ción con intervención humana, la cual puede
s
e
r
aleato
r
ia
o cronológica.
El buen resultado de un p
r
oce
s
o de e
s
caneo del documen
-
to depende de la calidad del e
s
cáne
r
[
11
]
, la co
rr
ecta con
-
f
iguración del mi
s
mo y la
r
e
s
olución de la imagen que
s
e
obtenga.
A
demás, se puede mejo
r
a
r
con técnica
s
de p
r
o
-
cesamiento de imágenes con el objetivo de limpia
r
la,
s
ua
-
vizarla y eliminar ruidos [11
]
[
15
]
[
16
]
como puede
s
e
r
el
proceso de binarización [12
]
[
9
]
que con
s
i
s
te en conve
r
ti
r
la imagen digital en bitonal, p
r
ocu
r
ando que
s
e con
s
e
r
ven
la
s
propiedades e
s
enciale
s
de é
s
ta.
El proce
s
o de reconocimiento contiene una
f
a
s
e de
s
eg
-
mentación y luego una fa
s
e de compa
r
ación pa
r
a obtene
r
el documento digitalizado. La
s
egmentación, también lla
-
mada aislamiento o fragmentación, e
s
una de la
s
f
a
s
e
s
má
s
E
S
C
A
N
E
O
R
E
C
O
N
O
C
I
M
I
E
NT
O
V
E
R
I
F
I
C
A
C
I
Ó
N
actividades realizadas por los seres humanos po
r
medio de
sistemas de cómputo.
Cuando es necesario incorporar en un sistema in
f
o
r
máti
-
co, conocimiento o características propias del se
r
humano
se acude a las técnicas de Inteligencia Arti
f
icial, especial
-
mente cuando se trata de problemas algorítmicamente
intratables que necesitan un tiempo exponencial pa
r
a su
solución y aquellos que carecen de algoritmo pa
r
a
r
esol
-
verlos (no algorítmicos).
Las primeras aplicaciones en esta área estuvieron en
f
oca
-
das a desarrolla
r
algoritmos para juegos. Actualmente, la
IA es una rama de la teoría de la computación que incluye
áreas tales como el razonamiento automático, la demost
r
a
-
ción de teoremas, los sistemas expertos, el procesamiento
de lenguaje natural, robótica, lenguajes y ambientes de
IA, aprendizaje, redes neuronales, algoritmos genéticos,
por mencionar
s
olo algunas [4].
Las aplicaciones de reconocimiento de patrones
r
ep
r
e
-
sentan la mitad de la industria de la inteligencia a
r
ti
f
icial.
Entre las aplicaciones se encuentran: identi
f
icación de
r
os
-
tros, identi
f
icación de huellas dactilares, reconocimiento
de escritura, análisis de datos cientí
f
icos, pronósticos me
-
teorológicos, análisis de muestras biológicas, análisis de
datos provenientes de satélites de reconocimiento, visión
de robots, reconocimiento óptico de caracteres,
r
econoci
-
miento automático de voz y sistemas expertos [6
]
.
El reconocimiento de patrones es la ciencia que se enca
r-
ga de la descripción y clasi
f
icación de objeto
s
, pe
r
sonas,
señales, representaciones, etc., partiendo de un conjunto
previamente establecido de todos los posibles objetos
(
pa
-
trones) individuales a reconocer. Sus áreas de aplicaciones
son diversas, sin embargo, las más importantes están
r
ela
-
cionadas con la visión y audición por parte de una máqui
-
na, de forma análoga a los seres humanos.
El reconocimiento óptico de caracteres es uno de los tópi
-
cos más antiguos dentro del reconocimiento de pat
r
ones.
Consiste en un proceso computarizado dirigido a la di
-
gitalización de textos. Esta tecnología permite conve
r
ti
r
una imagen digital, ya provenga de un escaneo de una
hoja de texto como de una fotografía, en datos maneja
-
bles para una computadora.
En el presente artículo nos referiremos al reconocimiento
óptico de caracteres como un área más dentro de la
I
nte
-
ligencia Arti
f
icial, destacando su de
f
inición, los p
r
ocesos
que este implica, así como su utilización dent
r
o de nues
-
tra empresa.
E
l
r
e
c
o
n
o
c
i
m
i
en
t
o
d
e
p
a
t
r
o
ne
s
El reconocimiento de patrones representa un desa
f
ío en
s
í mismo dentro de las ramas de la Inteligencia
Ar
ti
f
icial.
Se de
f
ine como el estudio de cómo las máquina
s
pueden
obse
r
va
r
el ambiente o ento
r
no, ap
r
ende
r
a distinguir pa-
t
r
ones de inte
r
és a pa
r
ti
r
de la expe
r
iencia, y tomar deci-
siones
r
azonables con
r
especto a las catego
r
ías a las que
pe
r
tenecen dichos pat
r
ones
[
7
]
. Pod
r
íamos decir que un
pat
r
ón es una entidad a la que se le puede da
r
un nombre
[
8
]
, como po
r
ejemplo, una imagen de huella digital, una
palab
r
a manusc
r
ita, un
r
ost
r
o, una señal
r
ep
r
e
s
entando
voz hablada, ent
r
e ot
r
os muchísimos ejemplos po
s
ible
s
.
D
ado un pat
r
ón, la ta
r
ea de su
r
econocimiento o cla
s
i
f
ica-
ción puede se
r
r
esuelta, en p
r
incipio, de dos maneras: de
f
o
r
ma supe
r
visada, en la cual el pat
r
ón se
r
á identi
f
icado
como miemb
r
o de una clase p
r
ede
f
inida, o de forma no
supe
r
visada, en la cual el pat
r
ón se
r
á asignado a una cla
s
e
desconocida p
r
eviamente y ap
r
endida en base a la simili-
tud ent
r
e pat
r
ones
[
7
]
.
E
l
r
e
c
o
n
o
c
i
m
i
en
t
o
ó
p
t
i
c
o
d
e
c
a
r
a
c
t
e
r
e
s
El
r
econocimiento óptico de ca
r
acte
r
es
[O
CR
]
e
s
una de
las á
r
eas más antiguas dent
r
o del
r
econocimiento de patro-
nes y el p
r
ocesamiento de imágenes, con una contribución
muy amplia en el
r
econocimiento de documentos impresos
[
9
]
. Se de
f
ine como la t
r
aducción mecánica o electrónica
de imágenes o de textos, ya sean esc
r
itos a mano, a máqui-
na o imp
r
esos y en textos digitales editables
[
10
]
.
Los sistemas
O
CR se de
f
inen como aquellos que proveen
un
r
econocimiento al
f
anumé
r
ico completo de caracteres
imp
r
esos o manusc
r
itos
[
11
]
. Escanean los documentos
imp
r
esos en papel du
r
o como una imagen digital. Luego,
mediante algún p
r
oceso de compa
r
ación de caracteres,
cuyo p
r
opósito es identi
f
ica
r
let
r
as o núme
r
os impre
s
o
s
,
r
econocen los ca
r
acte
r
es p
r
esentes en la imagen escaneada
pa
r
a
f
o
r
ma
r
un documento digital independiente, el cual
puede se
r
editado o p
r
ocesado, sin la necesidad de rees-
c
r
ibi
r
los
[
9
]
[
12
]
.
La
f
o
r
ma pa
r
a log
r
a
r
el mencionado
r
econocimiento de
ca
r
acte
r
es se basa en algo
r
itmos que convie
r
ten la
s
letras
r
ep
r
esentadas en una imagen digital de estos con formato
de texto, po
r
ejemplo
A
SC
II
o
U
nicode
[
11
]
[
12].
Mient
r
as que en una imagen los ca
r
acte
r
es se describen
indicando cada uno de los píxeles que la conforman, al
conve
r
ti
r
los a un
f
o
r
mato de texto, pasan a estar de
s
crito
s
po
r
un solo núme
r
o, po
r
lo que se p
r
oduce una reducción
signi
f
icativa del espacio en memo
r
ia que ocupan lo
s
do-
cumentos. Po
r
tanto, pa
r
a log
r
a
r
el objetivo de almacenar
millones de datos en
f
o
r
mato elect
r
ónico se usan lo
s
O
CR
como he
rr
amientas clave
[
13
]
.
A
demás, al convertirlo
s
en
f
o
r
mato texto se posibilita la búsqueda y
r
ecuperación de
in
f
o
r
mación po
r
un dete
r
minado tema o palab
r
a clave; a
s
í
como la t
r
aducción a ot
r
o lenguaje o el
r
esumen automáti-
co pa
r
a distintos p
r
opósitos
[
14
]
.
1
2
R
ev
i
st
a
T
é
c
n
i
c
a
de
l
a
E
m
p
r
e
s
a
de
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
de
C
u
b
a
S.
A
.
J
U
L
I
O / D
I
C
I
E
M
B
R
E
2017
V
O
L
.
14
1
3
T
É
C
N
I
C
A
T
É
C
N
I
C
A
suale
s
, su aplicación combinada con otras tecnologías per-
mite que el texto resultante se
s
intetice en línea
s
de braille
o archivos de audio [19].
A
l permitir extraer el texto de
documentos digitalizados pueden realizar
s
e bú
s
queda
s
en
todo el documento y en el proceso de creación de lo
s
me-
tadato
s
. El
O
CR a
s
imi
s
mo
s
e puede utilizar para generar
índices de palabras clave del texto reconocido de forma
automática.
La mayoría de lo
s
programa
s
de
O
CR pueden e
s
canear
una página y efectuar inmediatamente el reconocimiento
óptico, con la condición de que el e
s
cáner esté conectado
directamente a la computadora que ejecuta el programa.
A
unque e
s
canear y efectuar el
O
CR página a página e
s
un método razonable cuando se trabaja con pocos docu-
mentos, resulta muy largo para trabajos má
s
voluminoso
s
y continuos. Para tratar volúmene
s
superiore
s
, en cambio,
e
s
má
s
rápido y e
f
icaz e
s
canear en primer lugar el docu-
mento y aplicar de
s
pué
s
el proce
s
o de
O
CR a toda
s
la
s
página
s
de una sola vez [20].
H
e
rr
a
m
i
en
t
a
s
u
t
ili
z
a
d
a
s
Exi
s
te un grupo de herramienta
s
de
s
oft
w
are
O
CR, la
s
má
s
populare
s
s
on
A
BB
YY
Fine Reader
O
CR, ReadIRIS
Pro y
N
uance
O
mniPage que son de las má
s
precisas y
productivas para el reconocimiento de textos y conversión
de documento
s
, pue
s
permite eliminar la necesidad de
volver a e
s
cribir a máquina,
r
educi
r
lo
s
e
sf
ue
r
zo
s
y co
s
to
s
de transformación de documento
s
a una in
f
o
r
mación edi
-
table y con posibilidad de bú
s
queda.
A
unque alguna
s
herramienta
s
OCR
s
on mejo
r
e
s
que ot
r
a
s
,
el
s
oft
w
are
s
olo no puede ga
r
antiza
r
100
%
de p
r
eci
s
ión.
E
s
to e
s
porque hay otros
f
acto
r
e
s
en juego, incluyendo la
calidad de escaneo, ya que el p
r
oce
s
o de
r
econocimiento
no
s
erá capaz de hacer su t
r
abajo
s
i el e
s
cáne
r
no e
s
tá di
-
gitalizando correctamente la página.
Se recomienda para escanea
r
una
r
e
s
olución de 300 ppp
para obtener mejores re
s
ultado
s
. Blanco y Neg
r
o
(
bitonal
)
s
e pre
f
ieren
s
obre lo
s
modo
s
de e
s
cala de g
r
i
s
e
s
o en co
-
lor, y aunque la mayoría de lo
s
e
s
cáne
r
e
s
mode
r
no
s
e
s
tán
ba
s
tante bien con
f
igurados
f
ue
r
a de la caja, e
s
po
s
ible que
de
s
ee aju
s
tar la con
f
iguración de b
r
illo y cont
r
a
s
te pa
r
a
sus documentos particulare
s
.
D
eterminar qué aplicación e
s
má
s
p
r
eci
s
a, a menudo, de
-
pende de lo
s
documento
s
e
s
pecí
f
ico
s
de que
s
e t
r
ate. Una
aplicación puede manejar un tipo pa
r
ticula
r
de di
s
eño de
página mejor que otra. Con la ca
s
i in
f
inita va
r
iedad de di
-
seños de documento
s
, fuente
s
, e
s
t
r
uctu
r
a
s
de tabla
s
y ot
r
a
s
variables, es impo
s
ible deci
r
que una aplicación
s
iemp
r
e
será mejor que la otra. Sin emba
r
go, en nue
s
t
r
a opinión, la
empre
s
a
A
BB
YY
e
s
muy
s
upe
r
io
r
po
r
el apoyo que p
r
o
-
porciona, ofreciendo un mejo
r
s
opo
r
te y
s
u dedicación al
• Segmentación de líneas [9] [11] [14] [16] [17
]
: un blo
-
que de texto es tomado como entrada y escaneado ho
r
i
-
zontalmente. La frecuencia de los píxeles negros es detec
-
tada con el objetivo de construir una línea y de
f
ini
r
así la
cabecera y la base de cada línea. En documentos manus
-
critos esto puede ser muy variable y por tanto complejo.
• Segmentación de caracteres [9] [11] [16]: la palab
r
a es
separada en caracteres individuales.
Algunos investigadores mencionan también la segmenta
-
ción de zonas [17] que permiten identi
f
icar otros
f
acto
r
es
en el texto como: inclinación, ángulo y distancia
[
11
][
12
]
.
Pero este pudie
r
a ser visto como parte de las segmentacio
-
nes de líneas, palabras y caracteres [16].
Algunos algoritmos para la segmentación de ca
r
acte
r
es
incluyen procesos de fragmentación, adelgazamiento y
segmentación para mejorar la extracción de las let
r
as y
f
inalmente la comparación de patrones. La fragmentación
localiza las zonas de interés (en este caso las let
r
as
)
y las
separara, basándose en la intensidad con la que están di
-
bujadas o los espacios blancos entre ellas [12].
U
no de los
métodos para este proceso es segmentar la imagen digital
en pequeños clústers o áreas que no contengan elementos
unidos en algún punto. Aunque estos métodos se com
-
plican más en textos manuscritos donde las mayúsculas
algunas veces se sobreponen con letras de otras líneas o
existen distinto
s
ángulos de inclinación y distancias ent
r
e
las palabras [10].
El adelgazamiento de los componentes consiste en bo
-
rrar de manera sucesiva los puntos del borde de cada
letra, eliminando los ruidos y preservando su tipología.
[11][12]. En la segmentación la imagen con el ca
r
ácte
r
encontrado es recortada para que ajuste al tamaño de la
plantilla [11].
F
inalmente, el proceso de compa
r
ación
identi
f
ica los caracteres resultantes del paso ante
r
io
r
y
los coteja con una serie de plantillas almacenadas en una
base de datos, permitiendo su identi
f
icación como let
r
as
o números [12]. Esta etapa es de
f
initiva para la
r
ecupe
-
ración del texto, ya que de su buen funcionamiento de
-
penderá la obtención de la mayor cantidad de ca
r
acte
r
es
reconocidos correctamente.
• Segmentación de palabras [9] [16] [17]: cuando una lí
-
probablemente exista un espacio entre 2 palab
r
as. Se ha
importantes del proceso de OCR [16] [17], ya que con
-U
na vez te
r
minado el p
r
oceso de segmentación
s
e realiza
vierte la imagen del documento en unidades reconocibles.la
f
ase de compa
r
ación pa
r
a pode
r
completa
r
el reconoci-
Puede ser dividida en 3 partes fundamentales:miento. En esta
f
ase, la imagen ya segmentada es corre-
lacionada con todas las plantillas que se hayan cargado
p
r
eviamente al sistema
O
CR
[
11
]
.
U
na vez completada
la compa
r
ación, la plantilla con mayo
r
valo
r
de correla-
ción es decla
r
ada como el ca
r
ácte
r
p
r
esente en la imagen,
usando como co
rr
elación el po
r
centaje de ce
r
canía de la
imagen segmentada con las plantillas. Muchos
s
istemas
O
CR hacen uso de esta técnica de
r
econocimiento de pa-
t
r
ones y ot
r
os la combinan con el uso de
r
edes neuronale
s
nea es detectada, es escaneada entonces verticalmente. El
a
r
ti
f
iciales
[
7
]
[
9
]
[
11
]
pa
r
a que además ap
r
endan con el
número de píxeles negros en cada columna es calculado,
objetivo de inc
r
ementa
r
la e
f
iciencia del p
r
oceso de reco-
cuando no hay ninguno en la columna se conside
r
a que
nocimiento.
estimado que este espacio está dado por 3 columnas de
P
r
o
b
l
e
m
a
s
c
o
n
O
C
R
píxeles consecutivos vacíos.
A
pesa
r
de que el
O
CR es uno de los tópicos más antiguo
s
dent
r
o del Reconocimiento de Pat
r
ones y ha sido e
s
tudia-
do du
r
ante va
r
ios años obteniéndose una alta p
r
eci
s
ión en
las
r
espuestas, está lejos de conside
r
a
r
se
r
esuelto.
El
f
uncionamiento exitoso del p
r
oceso
O
CR
r
adica e
s
en-
cialmente en la clase de imagen a la que se le apliquen
estos p
r
ocesos: que el texto en el documento o
r
iginal sea
legible, exento de
r
otu
r
as, manchas, ataques de insecto
s
o de
f
o
r
maciones po
r
la humedad y el tiempo, con letras
uni
f
o
r
mes y bien imp
r
esas y po
r
ot
r
a pa
r
te que la repre-
sentación digital que se obtenga de la imagen sea nítida,
encuad
r
ada, sin pe
r
spectiva o de
f
o
r
maciones por curvatu-
r
a y a una
r
esolución su
f
iciente que pe
r
mita la captura
f
iel
del texto imp
r
eso
[
12
]
.
En documentos manusc
r
itos pueden su
r
gi
r
va
r
io
s
proble-
mas adicionales pues la sepa
r
ación de ca
r
acteres ya no
es tan elemental, especí
f
icamente en esc
r
itu
r
as con letra
s
conectadas
[
13
]
y/o con e
rr
o
r
es tales como la superpo
s
i-
ción, ca
r
acte
r
es incompletos, va
r
iación del tamaño de la
s
let
r
as, ent
r
e ot
r
os
[
10
]
[
16
]
[
17
]
. Po
r
tanto, la p
r
eci
s
ión en
el
r
econocimiento asociada tanto a ca
r
acte
r
es impre
s
o
s
en
una imagen deg
r
adada o a ca
r
acte
r
es manusc
r
ito
s
, e
s
aún
insu
f
iciente
[
7
]
.
D
ó
n
d
e
s
e
p
ue
d
e
u
t
ili
z
a
r
El
O
CR es una tecnología t
r
ansve
r
sal, aplicable en di
s
tin-
tos ámbitos y secto
r
es pa
r
a la digitalización de formula-
r
ios, documentos administ
r
ativos, in
f
o
r
mes,
f
actura
s
, etc.,
ya que las ventajas que o
fr
ece son comunes para todos
ellos. En el secto
r
de la cultu
r
a, po
r
ejemplo en el ámbito
de la p
r
ese
r
vación del pat
r
imonio, el
O
CR se aplica prin-
cipalmente en los p
r
ocesos de digitalización de documen-
tos histó
r
icos que se encuent
r
an en sopo
r
te papel [18].
A
unque el
O
CR no es una he
rr
amienta pa
r
a hacer lo
s
do-
cumentos accesibles pa
r
a pe
r
sonas con discapacidade
s
vi-
1
4
R
ev
i
st
a
T
é
c
n
i
c
a
de
l
a
E
m
p
r
e
s
a
de
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
de
C
u
b
a
S.
A
.
J
U
L
I
O / D
I
C
I
E
M
B
R
E
2017
V
O
L
.
14
1
5
T
É
C
N
I
C
A
T
É
C
N
I
C
A
f
icación de caractere
s
O
CR para la recuperación de texto en el lib
r
o antiguo: un análi
s
i
s
de ca
s
o en el Fondo
A
ntiguo de la Biblioteca Central,
UN
A
M
”. Biblioteca Unive
rs
ita
r
ia,
vol. 15, no. 1 (enero – junio/2012): 25-34.
[13] Banerjee, Saikat. “
A
Study on Te
ss
eract
O
pen Source Optical Cha
r
acte
r
Recognition
Engine”. Te
s
i
s
de Mae
s
tría,
J
adavpur
U
niver
s
ity, Calcuta, 2012.
[14]
G
upta, Shaina and Sihag,
D
aulat. “Recognition
O
f Handw
r
itten Devnaga
r
i Nume
-
ral
s
With Svm Cla
ss
i
f
ier”. International
J
ournal of Compute
r
Science and
M
obile Com
-
puting, vol. 3, no. 9 (
s
eptiembre/2014): 592-598.
[15] Per
w
ej,
Y
u
s
uf and Chaturvedi,
As
hi
s
h. “
N
eural netwo
r
k
s
f
o
r
handw
r
itten engli
s
h
alphabet recognition”. International
J
ournal of Compute
r
Application
s
, vol. 20, no. 7
(abril/2011): 1-5.
[16] Chanana,
A
nkita and
J
ain, Chandana. “
A
Revie
w
O
n Va
r
iou
s
Technique
s
Fo
r
Cha
-
racter Segmentation
O
f
H
and
w
ritten Text
D
ocument
s
”.
I
nte
r
national
J
ou
r
nal O
f
Engi
-
neering Science
s
& Re
s
earch Technology, vol. 4, no. 7 (julio/2015
)
: 244
-
48.
[17] Palakollu, Saipraka
s
h,
D
hir, Renu and Rani, Rajnee
s
h. “Handw
r
itten Hindi text
segmentation techniques for line
s
and character
s
”. World Cong
r
e
ss
on Enginee
r
ing and
Computer Science, San Franci
s
co,
U
S
A
, 2012.
[18] Baird,
H
. “
D
igital
D
ocument Proce
ss
ing” Springer-
V
e
r
lag New Yo
r
k, 2014: 261
-
279.
[19] Ringger, E.
K
.
"
Improving
O
ptical Character Recognition th
r
ough E
f
f
icient Sy
s-
tem
"
. In Proceeding
s
of the 9th
A
CM/IEEE-CS joint con
f
e
r
ence on Digital lib
r
a
r
ie
s
,
A
u
s
tin, T
X
,
U
S
A
, 2010: 231-240.
[20] Maruyama, M. and Miyao,
J
. “
A
D
ocument
A
naly
s
i
s
Sy
s
tem Ba
s
ed on Text Line
Matching of
O
CR
O
utput
s
”. Springer-
V
erlag
N
e
w
Y
ork, 2012: 463
-
471
desarrollo de soluciones de OCR. Hemos encont
r
ado que
ABBYY tiene la capacidad de reconocer textos pa
r
a 48
idiomas, tiene diccionario y la interfaz se puede activa
r
en cualquiera de las 24 lenguas, ofreciendo un
f
o
r
mato
más consistente para las fuentes, negrita y cursiva. Textos
extraídos con Omni
P
age son más propensos a tene
r
va
-
riaciones cuando son con oscuridad y se reconocen como
negrita o cursiva. Esto no habla directamente de la exacti
-
tud del texto subyacente, pero tener que corregi
r
g
r
an can
-
tidad de formato del texto es una tarea signi
f
icativa pa
r
a
aquellos que buscan recrear el documento en un edito
r
de
textos como, por ejemplo, Microsoft Word. En el caso de
ReadIRIS ofrece buenas características y preci
s
ión po
r
un
precio mucho más bajo.
C
o
n
c
l
u
s
i
o
ne
s
La aplicación del so
f
t
w
a
r
e de
r
econocimiento óptico de
ca
r
acte
r
es en los p
r
ocesos de digitalización de informa-
ción es de g
r
an impo
r
tancia, pues estos p
r
oce
s
o
s
no
s
pe
r
miten un aho
rr
o conside
r
able del tiempo de trabajo
empleado en lleva
r
a cabo dete
r
minadas ta
r
eas de reutili-
zación, indexado y modi
f
icación de todo lo almacenado.
El conocimiento de la existencia de estas he
rr
amienta
s
,
la impo
r
tancia que
r
ep
r
esentan las mismas pa
r
a mejorar
nuest
r
o t
r
abajo hace de este mate
r
ial algo positivo y ne-
cesa
r
io de conoce
r
po
r
todos. Las emp
r
esas que utilizan
las tecnologías de la in
f
o
r
mación y
r
ealizan intercambio
digital de datos, no pueden esta
r
ajenas a estas ventaja
s
,
que les pe
r
miti
r
á log
r
a
r
mayo
r
e
f
iciencia y p
r
oductividad.
R
e
f
e
r
en
c
i
a
s
b
i
b
li
o
g
r
á
f
i
c
a
s
[1] Gottfredson, Linda S.
"
Mainst
r
eam science on intelligence:
A
n edito
r
ial
w
ith 52
s
ig-
natories, history, and bibliog
r
aphy.
"
I
ntelligence, vol. 24, no.1
(
1997
)
: 13
-
23.
[2] Legg,
S
hane, and
H
utte
r
, Ma
r
cus.
"U
nive
r
sal intelligence:
A
de
f
inition o
f
machine
intelligence.
"
Minds and Machines, vol. 17, no. 4
(
2007
)
: 391
-
444.
[3] Van de Gevel,
A
d JW, and
N
oussai
r
, Cha
r
les
N
. The
N
exus Bet
w
een
Ar
ti
f
icial Inte-
lligence and Economics. Be
r
lin: Sp
r
inge
r
Be
r
lin
H
eidelbe
r
g, 2013, p. 9.
[4] López Takeyas, B
r
uno.
"I
nt
r
oducción a la inteligencia a
r
ti
f
icial.
"
vol. 23, no. 12,
(2007): 1.
(
Ar
t
í
c
u
l
o
r
e
c
i
b
i
d
o
e
n
m
a
r
z
o
de
2017
y
a
p
r
o
b
a
d
o
e
n
a
g
o
st
o
de
2017
)
[5] Rich, Elaian, and
K
night,
K
evin.
I
nt
r
oduction to a
r
ti
f
icial intelligence.
N
e
w
Y
ork:
McGraw-Hill, 1991, p. 12
[6] Beekman, Geo
r
ge.
I
nt
r
oducción a la computación. México:
A
ddison
-
Wesley, 1999,
p. 221.
[7]
S
eijas, Leticia Ma
r
ía. “Reconocimiento de pat
r
ones utilizando técnicas estadí
s
tica
s
y conexionistas aplicadas a la clasi
f
icación de dígitos manusc
r
itos”. Tesis de
D
octorado,
Universidad de Buenos
A
i
r
es,
Ar
gentina, 2011.
[8] Jain, A., Duin, R. and Mao, J. “Statistical patte
r
n
r
ecognition:
Ar
evie
w
,”
I
EEE Tran-
sactions on
P
atte
r
n
A
nalysis and Machine
I
ntelligence, vol. 22, no. 1
(
2000
)
: 4–37
[9]
S
anjeev Kunte, R., and Sudhake
r
Samuel, R.
D
. “
A
simple and e
f
f
icient optical cha-
racter recognition system
f
o
r
basic symbols in p
r
inted
K
annada text”. Sadhana, vol. 32,
no. 5 (octubre/2007
)
: 521
-
33.
[10] Mondal, Kajal. “Ext
r
action o
f
Text Lines
fr
om
H
and
wr
itten Bangla
D
ocument Pa-
ges”. Tesis de Maest
r
ía , Jadavpu
r
U
nive
r
sity, Calcuta, 2010.
[11] Charles,
P
ranob
K
.,
H
a
r
ish,
V
. , S
w
athi, M. and
D
eepthi, C.
H
. “
A
r
evie
w
on the
various techniques used
f
o
r
optical cha
r
acte
r
r
ecognition”.
I
nte
r
national Jou
r
nal of Engi-
neering Research and
A
pplications, vol. 2, no. 1
(
ene
r
o –
f
eb
r
e
r
o/2012
)
: 659
-
62.
[12] Ballesteros, Silvia, Mo
r
ales,
G
uille
r
mo y Cedillo, Pavel. “Los p
r
oblemas de identi-
