Este escenario se utiliza para procesar documentos en papel y guardarlos en un archivo digital, especialmente al crear un archivo de contratos, documentación de proyectos, facturas, certificados, etc.En este escenario de procesamiento, los documentos en papel se convierten en copias digitales no editables que contienen toda la información del documento en un formato con capacidad de búsqueda. Como resultado de este procesamiento, las copias digitales de los documentos pueden localizarse fácilmente en un archivo electrónico mediante búsquedas de texto completo, se pueden copiar fragmentos del texto del documento y los documentos pueden enviarse por correo electrónico o imprimirse.Para crear una copia digital, el documento primero debe pasar por varias etapas de procesamiento, cada una de las cuales tiene sus propias particularidades:
Preprocesamiento de imágenes escaneadas
Las imágenes escaneadas pueden requerir cierto preprocesamiento antes del reconocimiento; por ejemplo, si los documentos escaneados contienen ruido de fondo, texto inclinado, colores invertidos, márgenes negros o una orientación o resolución incorrectas.
Reconocimiento simultáneo de un gran volumen de documentos
Para extraer datos de texto de un documento, primero debe reconocerse. Al procesar un gran volumen de documentos, el procesamiento simultáneo de documentos puede resultar útil. En este caso, la carga de trabajo del análisis y el reconocimiento puede distribuirse entre los núcleos del procesador, lo que permite acelerar el procesamiento.
Exportación a un formato de archivo
El documento reconocido se guarda en un formato de almacenamiento adecuado. Los formatos más convenientes para almacenar documentos son PDF, PDF/A, PDF y PDF/A con MRC. Al guardar en estos formatos, se puede usar un modo en el que el texto se coloca debajo de la imagen del documento; esto permite conservar íntegramente el formato del documento y habilita la búsqueda de texto completo. La configuración de MRC permite reducir significativamente el tamaño del archivo sin pérdida de calidad visual. Además, al guardar en formato PDF, se pueden personalizar los ajustes de seguridad del documento para protegerlo contra la visualización y la impresión no autorizadas.
Los ejemplos de código proporcionados en este tema son específicos de Windows.
A continuación se ofrece una descripción detallada del método recomendado para usar ABBYY FineReader Engine 12 para crear copias digitales de documentos con fines de archivo. El método propuesto utiliza la configuración de procesamiento más adecuada para este fin. En esta implementación se omite la fase de escaneo de documentos. Consulte Optimización adicional para tareas específicas más abajo para obtener consejos sobre cómo implementar el escaneo.
Paso 1. Carga de ABBYY FineReader Engine
Para comenzar a trabajar con ABBYY FineReader Engine, es necesario crear el objeto Engine. El objeto Engine es el objeto de nivel superior en la jerarquía de objetos de ABBYY FineReader Engine y proporciona diversas configuraciones globales, algunos métodos de procesamiento y métodos para crear los demás objetos.Para crear el objeto Engine, puede usar la función InitializeEngine. Consulte también otras formas de cargar el objeto Engine (Win).
public class EngineLoader : IDisposable{ public EngineLoader() { // Inicialice estas variables con la ruta completa a FREngine.dll, su Customer Project ID, // y, si corresponde, la ruta al archivo de token de su licencia en línea y la contraseña de la licencia en línea string enginePath = ""; string customerProjectId = ""; string licensePath = ""; string licensePassword = ""; // Cargar la biblioteca FREngine.dll dllHandle = LoadLibraryEx(enginePath, IntPtr.Zero, LOAD_WITH_ALTERED_SEARCH_PATH); try { if (dllHandle == IntPtr.Zero) { throw new Exception("No se puede cargar " + enginePath); } IntPtr initializeEnginePtr = GetProcAddress(dllHandle, "InitializeEngine"); if (initializeEnginePtr == IntPtr.Zero) { throw new Exception("No se puede encontrar la función InitializeEngine"); } IntPtr deinitializeEnginePtr = GetProcAddress(dllHandle, "DeinitializeEngine"); if (deinitializeEnginePtr == IntPtr.Zero) { throw new Exception("No se puede encontrar la función DeinitializeEngine"); } IntPtr dllCanUnloadNowPtr = GetProcAddress(dllHandle, "DllCanUnloadNow"); if (dllCanUnloadNowPtr == IntPtr.Zero) { throw new Exception("No se puede encontrar la función DllCanUnloadNow"); } // Convertir punteros en delegados initializeEngine = (InitializeEngine)Marshal.GetDelegateForFunctionPointer( initializeEnginePtr, typeof(InitializeEngine)); deinitializeEngine = (DeinitializeEngine)Marshal.GetDelegateForFunctionPointer( deinitializeEnginePtr, typeof(DeinitializeEngine)); dllCanUnloadNow = (DllCanUnloadNow)Marshal.GetDelegateForFunctionPointer( dllCanUnloadNowPtr, typeof(DllCanUnloadNow)); // Llamar a la función InitializeEngine // pasando la ruta al archivo de licencia en línea y la contraseña de la licencia en línea int hresult = initializeEngine(customerProjectId, licensePath, licensePassword, "", "", false, ref engine); Marshal.ThrowExceptionForHR(hresult); } catch (Exception) { // Liberar la biblioteca FREngine.dll engine = null; // Eliminar todos los objetos antes de llamar a FreeLibrary GC.Collect(); GC.WaitForPendingFinalizers(); GC.Collect(); FreeLibrary(dllHandle); dllHandle = IntPtr.Zero; initializeEngine = null; deinitializeEngine = null; dllCanUnloadNow = null; throw; } } // Funciones de Kernel32.dll [DllImport("kernel32.dll")] private static extern IntPtr LoadLibraryEx(string dllToLoad, IntPtr reserved, uint flags); private const uint LOAD_WITH_ALTERED_SEARCH_PATH = 0x00000008; [DllImport("kernel32.dll")] private static extern IntPtr GetProcAddress(IntPtr hModule, string procedureName); [DllImport("kernel32.dll")] private static extern bool FreeLibrary(IntPtr hModule); // Funciones de FREngine.dll [UnmanagedFunctionPointer(CallingConvention.StdCall, CharSet = CharSet.Unicode)] private delegate int InitializeEngine(string customerProjectId, string licensePath, string licensePassword, string tempFolder, string dataFolder, bool isSharedCPUCoresMode, ref FREngine.IEngine engine); [UnmanagedFunctionPointer(CallingConvention.StdCall)] private delegate int DeinitializeEngine(); [UnmanagedFunctionPointer(CallingConvention.StdCall)] private delegate int DllCanUnloadNow(); // Variables privadas private FREngine.IEngine engine = null; // Handle de FREngine.dll private IntPtr dllHandle = IntPtr.Zero; private InitializeEngine initializeEngine = null; private DeinitializeEngine deinitializeEngine = null; private DllCanUnloadNow dllCanUnloadNow = null;}
// Inicialice estas variables con la ruta a FREngine.dll, el Customer Project ID de FineReader Engine,// y, si corresponde, la ruta al token de licencia en línea y la contraseña de licencia en líneawchar_t* FreDllPath;wchar_t* CustomerProjectId;wchar_t* LicensePath; // si no usa una licencia en línea, asigne cadenas vacías a estas variableswchar_t* LicensePassword;// HANDLE de FREngine.dllstatic HMODULE libraryHandle = 0;// Objeto global de FineReader EngineFREngine::IEnginePtr Engine;void LoadFREngine(){ if( Engine != 0 ) { // Ya cargado return; } // Primer paso: cargar FREngine.dll if( libraryHandle == 0 ) { libraryHandle = LoadLibraryEx( FreDllPath, 0, LOAD_WITH_ALTERED_SEARCH_PATH ); if( libraryHandle == 0 ) { throw L"Error al cargar ABBYY FineReader Engine"; } } // Segundo paso: obtener el objeto Engine typedef HRESULT ( STDAPICALLTYPE* InitializeEngineFunc )( BSTR, BSTR, BSTR, BSTR, BSTR, VARIANT_BOOL, FREngine::IEngine** ); InitializeEngineFunc pInitializeEngine = ( InitializeEngineFunc )GetProcAddress( libraryHandle, "InitializeEngine" ); if( pInitializeEngine == 0 || pInitializeEngine( CustomerProjectId, LicensePath, LicensePassword, L"", L"", VARIANT_FALSE, &Engine ) != S_OK ) { UnloadFREngine(); throw L"Error al cargar ABBYY FineReader Engine"; }}
Paso 2. Carga de la configuración para el escenario
ABBYY FineReader Engine permite cargar la configuración más adecuada para este escenario mediante el método LoadPredefinedProfile del objeto Engine. Este método recibe el nombre del perfil como parámetro de entrada. Consulte Trabajo con perfiles para obtener más información.ABBYY FineReader Engine admite 2 variantes de configuración para este escenario:
Nombre del perfil
Descripción
DocumentArchiving_Accuracy
La configuración se ha optimizado para ofrecer la máxima precisión:
Permite detectar la mayor cantidad posible de texto en una imagen, incluido el texto incrustado en ella.
No se realiza una reconstrucción completa de la estructura lógica de un documento.
El perfil no está pensado para convertir un documento a RTF, DOCX o PDF de solo texto. Utilice los perfiles de conversión de documentos para ese fin.
DocumentArchiving_Speed
La configuración se ha optimizado para la velocidad de procesamiento:
Permite detectar la mayor cantidad posible de texto en una imagen, incluido el texto incrustado en ella.
No se corrige la inclinación.
No se realiza una reconstrucción completa de la estructura lógica de un documento.
Se aceleran los procesos de análisis y reconocimiento de documentos.
El perfil no está pensado para convertir un documento a RTF, DOCX o PDF de solo texto. Utilice los perfiles de conversión de documentos para ese fin.
ABBYY FineReader Engine proporciona el objeto FRDocument, que permite procesar documentos de varias páginas. El uso de este objeto le permite conservar la organización lógica del documento.Para cargar imágenes de un único documento y preprocesarlas, debe crear el objeto FRDocument y agregarle imágenes. Puede realizar una de las siguientes acciones:
Crear el objeto FRDocument mediante el método CreateFRDocumentFromImage del objeto Engine. Este método crea el objeto FRDocument y carga imágenes desde el archivo especificado.
// Crear el objeto FRDocument a partir de un archivo de imagenFREngine.IFRDocument frDocument = engine.CreateFRDocumentFromImage( "C:\\MyImage.tif", null );
// Crear el objeto FRDocument a partir de un archivo de imagenFREngine::IFRDocumentPtr frDocument = Engine->CreateFRDocumentFromImage( L"C:\\MyImage.tif", 0 );
Paso 4. Reconocimiento de documentos
Para reconocer un documento, se recomienda usar los métodos de análisis y reconocimiento del objeto FRDocument. Este objeto proporciona toda una serie de métodos para el análisis, el reconocimiento y la síntesis de documentos. El método más práctico, que permite realizar el análisis, el reconocimiento y la síntesis del documento con una sola llamada, es Process. Además, aprovecha de la forma más eficiente las capacidades de procesamiento simultáneo de los sistemas multiprocesador y multinúcleo. No obstante, también puede realizar secuencialmente el preprocesamiento, el análisis, el reconocimiento y la síntesis mediante los métodos Preprocess, Analyze, Recognize y Synthesize.
// Analiza, reconoce y sintetiza el documento// No se necesitan parámetros adicionales porque se configuran mediante el perfil de procesamientofrDocument.Process( null );
// Analiza, reconoce y sintetiza el documento// No se necesitan parámetros adicionales porque se configuran mediante el perfil de procesamientofrDocument->Process( 0 );
Paso 5. Exportación de documentos
Para guardar un documento reconocido, puede usar el método Export del objeto FRDocument y pasar la constante FileExportFormatEnum como uno de los parámetros. En este caso, puede guardar el documento, por ejemplo, en formato PDF usando MRC en el modo de exportación PEM_ImageOnText (propiedad TextExportMode del objeto PDFExportParams). Puede cambiar los parámetros de exportación predeterminados mediante el objeto de exportación correspondiente. Consulte Optimización adicional para tareas específicas, más abajo, para obtener más información.Después de terminar de trabajar con el objeto FRDocument, libere todos los recursos utilizados por este objeto. Use el método IFRDocument::Close.
// Guarda un documento reconocido en un formato de archivo (por ejemplo, PDF)// Crea un objeto PDFExportParamsFREngine.PDFExportParams exportParams = engine.CreatePDFExportParams();// Establece los parámetros necesariosexportParams.MRCMode = FREngine.PDFMRCModeEnum.MRC_Auto;exportParams.TextExportMode = FREngine.PDFExportModeEnum.PEM_ImageOnText;// Usa los parámetros durante la exportaciónfrDocument.Export( "C:\\MyText.pdf", FREngine.FileExportFormatEnum.FEF_PDF, exportParams );// Libera el objeto FRDocumentfrDocument.Close();
// Guarda un documento reconocido en un formato de archivo (p. ej., PDF)// Crea un objeto PDFExportParamsFREngine::IPDFExportParamsPtr params = Engine->CreatePDFExportParams();// Establece los parámetros necesariosparams->MRCMode = FREngine::MRC_Auto;params->TextExportMode = FREngine::PEM_ImageOnText;// Usa los parámetros durante la exportaciónfrDocument->Export(L"C:\\MyText.pdf", FREngine::FEF_PDF, params);// Libera el objeto FRDocumentfrDocument->Close();
Paso 6. Descargar ABBYY FineReader Engine
Después de terminar de trabajar con ABBYY FineReader Engine, debe descargar el objeto Engine. Para ello, utilice la función exportada DeinitializeEngine.
Puede usar el archivo FREngineDistribution.csv para crear automáticamente una lista de los archivos necesarios para que su aplicación funcione. Para procesar con este escenario, seleccione en la columna 5 (RequiredByModule) los siguientes valores:CoreCore.ResourcesOpeningOpening, ProcessingProcessingProcessing.OCRProcessing.OCR, Processing.ICRProcessing.OCR.NaturalLanguagesProcessing.OCR.NaturalLanguages, Processing.ICR.NaturalLanguagesExportExport, ProcessingExport.PdfExport.Pdf, Opening.PdfSi modifica el escenario estándar, cambie los módulos necesarios en consecuencia. También debe especificar los idiomas de la interfaz, los idiomas de reconocimiento y cualquier funcionalidad adicional que use su aplicación (como, por ejemplo, Opening.PDF si necesita abrir archivos PDF, o Processing.OCR.CJK si necesita reconocer texto en idiomas CJK). Consulte Working with the FREngineDistribution.csv File para obtener más información.
A continuación, se ofrece una descripción general de los temas de Ayuda que contienen información adicional sobre la personalización de la configuración en las distintas etapas del procesamiento de documentos:
Escaneo - Solo para Windows
Escaneo Descripción del escenario de ABBYY FineReader Engine para escanear documentos.
Reconocer escritura a mano Los perfiles DocumentArchiving_*** no incluyen el reconocimiento de texto manuscrito ni en letra de imprenta. Si necesita reconocer escritura a mano, establezca la propiedad DetectHandwritten del objeto PageAnalysisParams en TRUE.
Objeto PageProcessingParams Este objeto permite configurar los parámetros de análisis y reconocimiento. Con este objeto, puede indicar qué características de la imagen y del texto deben detectarse (imagen invertida, orientación, códigos de barras, idioma de reconocimiento, margen de error de reconocimiento).
Objeto SynthesisParamsForPage Este objeto incluye los parámetros encargados de restaurar el formato de una página durante la síntesis.
Objeto SynthesisParamsForDocument Este objeto permite personalizar la síntesis del documento, incluida la restauración de su estructura y formato.
Objeto MultiProcessingParams - Disponible para Linux y Windows El procesamiento simultáneo puede resultar útil cuando se procesa un gran número de imágenes. En este caso, la carga de procesamiento se distribuirá entre los núcleos del procesador durante la apertura y el preprocesamiento de imágenes, el análisis del diseño, el reconocimiento y la exportación, lo que permite acelerar el procesamiento. Los modos de lectura (simultáneo o consecutivo) se establecen mediante la propiedad MultiProcessingMode, y la propiedad RecognitionProcessesCount controla el número de procesos que pueden iniciarse.
Objeto PDFExportParams Este objeto le permite ajustar la exportación a PDF (PDF/A) con solo unos pocos parámetros.
Para personalizar el modo de exportación al formato PDF (PDF/A), use la propiedad TextExportMode del objeto PDFExportParams y, para personalizar la configuración de MRC, use la propiedad MRCMode.
Además, puede personalizar la configuración de exportación de imágenes para acelerar el procesamiento, reducir aún más el tamaño del archivo, etc. Por ejemplo, puede guardar una imagen en color como una imagen en escala de grises o en blanco y negro, si esto se ajusta a su caso de uso (use la propiedad Colority del objeto PDFExportParams).
Puede cambiar la resolución de la imagen de modo que la copia electrónica resultante pueda imprimirse posteriormente en una impresora o visualizarse en la pantalla de un ordenador, o bien puede seleccionar una resolución baja que solo permita leer el texto y ofrezca una calidad gráfica muy deficiente (use las propiedades Resolution y ResolutionType del objeto PDFExportParams).
División en documentos
En este escenario, puede que sea necesario separar el lote de imágenes en documentos. ABBYY FineReader Engine 12 no admite la separación automática de documentos. Sin embargo, puede usar ABBYY FlexiCapture Engine para implementar esta separación automática. Los documentos pueden separarse, por ejemplo, en función del número de páginas de cada documento o según si las páginas contienen códigos de barras separadores. Al implementar la separación por código de barras, puede usar el escenario para extraer únicamente los valores de códigos de barras del documento.
