Por qué las fotos de páginas de libros fallan en el OCR (y cómo unos pocos grados de inclinación arruinan la precisión)

Si alguna vez has intentado convertir online la foto de una página de un libro en texto y has obtenido un muro de galimatías, probablemente le hayas echado la culpa a lo equivocado. Es tentador asumir que el papel viejo y amarillento o la mala iluminación son los culpables — pero en las pruebas, ninguno de los dos movió la aguja casi nada. La causa real casi siempre es algo que no puedes ver con solo mirar la foto: una pequeña inclinación de la cámara.

La prueba: la misma página, cuatro condiciones

Para averiguar qué es lo que realmente rompe el OCR (reconocimiento óptico de caracteres) en fotos reales de libros, pasamos el mismo bloque de texto por Tesseract — el motor OCR de código abierto — en cuatro condiciones: un escaneo plano y limpio, una página amarillenta y desvaída, una foto inclinada unos 12 grados, y una foto inclinada con un reflejo de luz añadido.

Condición	Precisión de palabras
Escaneo limpio y plano	100 %
Página amarillenta y desvaída (sin inclinación)	100 %
Inclinada ~12° (sin decoloración)	67,7 %
Inclinada ~8° + reflejo	71,0 %

La página amarillenta obtuvo la misma puntuación que la impecable — nota máxima. En el momento en que se introdujo una inclinación, la precisión se desplomó en un tercio, produciendo exactamente el tipo de resultado que ha visto cualquiera que haya probado herramientas de «escanear libro de texto a Word»: «brow,» en lugar de «brown», «Chapte,.» en lugar de «Chapter.», «hidde,,» en lugar de «hidden».

Por qué una inclinación diminuta causa tanto daño

Los motores OCR leen el texto escaneando filas de la imagen en busca de bandas horizontales consistentes de tinta — ese es el mecanismo que usan para distinguir una línea de texto de la siguiente. En un escaneo perfectamente nivelado, cada línea de texto se sitúa en una banda horizontal ordenada, y el motor separa limpiamente la línea 1 de la línea 2 y de la línea 3.

Inclina la página aunque sea 10 grados, y esa banda horizontal limpia se convierte en un trazo diagonal que abarca decenas de filas de píxeles. La lógica de segmentación de líneas del motor empieza a fusionar caracteres de lo que deberían ser dos líneas separadas, o a partir un solo carácter entre lo que cree que son dos líneas distintas. El resultado no es «un poco menos preciso» — es un resultado categóricamente distinto, porque la unidad fundamental que el motor lee (una línea) ya no se corresponde con lo que realmente hay en la imagen.

Esto también explica por qué una foto que a ti te parece perfectamente legible puede seguir produciendo un resultado de OCR ilegible. Tu sistema visual compensa una inclinación de 10 grados sin ningún esfuerzo consciente — ni siquiera la registras como inclinada. Un proceso de OCR simple no tiene esa compensación incorporada, y lee exactamente los píxeles que se le dan.

La solución: enderezar antes de reconocer, no después

La conclusión práctica no es «sostén el teléfono con más cuidado» — un poco de inclinación al fotografiar un libro abierto es casi inevitable, ya que no estás presionando la página plana contra un escáner. La solución es automática: detectar el ángulo de inclinación y corregirlo antes de ejecutar el reconocimiento de texto, no después.

Una forma fiable de detectar el ángulo sin ningún modelo pesado de aprendizaje automático es el método del perfil de proyección: rotar la imagen a través de un rango de ángulos candidatos y, para cada uno, medir cuán «puntiaguda» es la distribución de tinta fila por fila. Con el ángulo correcto, las líneas de texto se alinean en bandas nítidas (alta varianza entre filas); con cualquier otro ángulo, la tinta se difumina entre filas (baja varianza). El ángulo que produce la mayor varianza es el ángulo de corrección.

Ejecutar esta corrección primero y después reconocer el texto devolvió cada uno de nuestros casos de prueba inclinados a una precisión del 100 % de palabras — la misma página, el mismo motor OCR, la única diferencia siendo enderezarla primero.

Qué significa esto si estás digitalizando un libro

• No te preocupes por el estado del papel. El amarilleo, el desvaído leve y la pérdida de contraste por el envejecimiento del papel apenas mueven la precisión por sí solos. Un libro de bolsillo antiguo se digitaliza casi tan bien como uno nuevo.
• Sí preocúpate por el ángulo. Incluso una inclinación que no notarías a simple vista puede ser toda la diferencia entre texto utilizable y basura.
• El reflejo del flash importa menos que la inclinación, pero aun así perjudica. Un punto brillante en papel satinado puede borrar el texto que hay debajo — la corrección de ángulo no arreglará una zona donde de entrada no hay tinta legible que leer.
• Una herramienta que corrige la inclinación automáticamente resuelve el problema real. Nuestra herramienta de foto de página de libro a texto ejecuta exactamente este paso de detección y corrección en tu navegador antes de reconocer — sin subida, sin servidor, y está construida específicamente en torno al problema de la inclinación en lugar de asumir que le estás dando un escaneo plano.

Si has probado antes el OCR en la foto de un libro y te has rendido porque el resultado era ilegible, la página probablemente no era el problema — unos pocos grados de ángulo de cámara casi con toda seguridad sí lo eran.