1 Primer Foro Universitario de Software Libre 3, 4, y 5 de Junio de 2013 Proyecto GNU FreeBSD Linux Utilería para digitalizar, generar OCR y crear archivos PDF de código abierto Luis René Salas López [email protected] Coordinación de Automatización Bibliotecaria Xalapa [email protected]

2 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Reconocimiento Óptico de Caracteres Los despido a todos. _Estoy muy cansado… Quiero dormirme. _¿No vas a merendar? _No. Tengo mucho sueño... OCR

3 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Tesseract-OCR Desarrollado por HP entre 1985 y 1994. Nunca se usó en un producto HP. Código liberado en 2005 y adoptado por Google. Altamente portable Reconoce más de 60 lenguajes.

4 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Creación del documento Cuando se realiza el proceso de OCR sobre una imagen, podemos obtener un archivo con ubicación espacial del texto: hocr

5 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Creación del documento hOcr2Pdf.NET Es una librería para convertir.hocr html producidos por el motor Tessract-OCR o Cuneiform en pdf buscable. Liberado bajo licencia GNU General Public License version 2 (GPLv2).

6 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Creación del documento iTextSharp Es una librería compatible con C# de iText para java de código abierto para la creación y manipulación de archivos PDF. Liberado bajo licencia Affero GNU Public License.

7 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Creación del documento

8 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Creación del PDF

9 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Capacidad de búsqueda

10 Primer Foro Universitario de Software Libre 3, 4 y 5 de Junio de 2013 Referencias “hOcr2Pdf.NET”, consultada por Internet el 29 de Abril del 2013. Dirección de Internet: https://hocrtopdf.codeplex.com/ https://hocrtopdf.codeplex.com/ “iTextSharp”, consultada por Internet el 29 de Abril del 2013. Dirección de Internet: http://sourceforge.net/projects/itextsharp/ http://sourceforge.net/projects/itextsharp/ “Tesseract-OCR”, consultada por Internet el 29 de Abril del 2013. Dirección de Internet: https://code.google.com/p/tesseract-ocr/ https://code.google.com/p/tesseract-ocr/