A tecnologia OCR surgiu nos anos 80 e, desde então, vem sendo desenvolvida por diferentes empresas e melhorando cada vez mais.
Uma das empresas que iniciou o desenvolvimento da tecnologia OCR foi a HP (Hewlett Packard) em 1985 que nomeou sua tecnologia então proprietária como TESSERACT OCR.
A evolução da tecnologia TESSERACT OCR vem sendo continua desde então, acelerando mais ainda após a Google assumir o patrocínio do desenvolvimento em 2006 tornando a tecnologia de uso livre e open source.
A tecnologia TESSERACT OCR é considerada a mais eficiente do mundo na atualidade.
Tendo essa tecnologia em mãos, a empresa PCWinSoft Software desenvolveu o aplicativo PDF Text OCR Xtractor, que faz uso da mesma para transformar o texto inacessível de documentos PDF e imagens estáticas em texto selecionável e editável que o usuário pode copiar diretamente do programa para a área de transferência, ou salvar para o disco rígido no formato TXT.
O PDF Text OCR Xtractor usa uma manobra inteligente para atingir resultados altamente precisos no reconhecimento do texto: O programa faz o escalonamento dos documentos antes de passá-los para a máquina de reconhecimento TESSERACT OCR.
Dessa forma o aplicativo aumenta o tamanho dos caracteres em 500% ou mais e os torna muito mais fáceis de serem reconhecidos pela máquina TESSERACT OCR que, por enxergar melhor por assim dizer, passa a gerar resultados de alta precisão.
O nível de escalonamento aplicado aos documentos pode ser definido pelo usuário e pode chegar até 2000% em relação ao documento original.
Quanto maior o escalonamento melhores os resultados. Escalonamentos acima de 1000% utilizam uma importante quantidade de memória e, se o computador do usuário não estiver capacitado para a operação, o aplicativo notifica o usuário para diminuir o escalonamento para um valor que seu computador possa lidar.
Para computadores com 4GB de memória RAM ou mais essa limitação não existe.
O PDF Text OCR Xtractor funciona para documentos PDF em Português. Além do Português o programa funciona para mais 20 línguas diferentes incluindo o Inglês, Alemão, Francês, Italiano, Espanhol, Chinês, Japonês, e outras.
Para instalar uma nova lingua basta selecioná-la na lista de línguas e, caso a língua não esteja instalada, o programa a baixa automaticamente e em pouco tempo o usuário tem a nova língua disponível para reconhecimento. Todas as linguas são livres para baixar e utilizar.
Com o aplicativo, o usuário carrega o documento PDF, seleciona a página que deseja converter para texto, e comanda a conversão.
O programa também permite o reconhecimento de documentos inteiros de uma única vez com gravação do resultado para arquivo texto no disco rígido.
Além de reconhecer texto em documentos PDF, o PDF Text OCR Xtractor também reconhece texto em imagens dos formatos PNG, JPG, TIFF, GIF, e BMP.
O PDF Text OCR Xtractor não impõe nenhuma curva de aprendizado. A interface de usuário é simples e direto ao ponto.
Na sequência exibimos um exemplo de transformação de PDF em texto usando o PDF Text OCR Xtractor mostrando como é fácil sua utilização:
Passo 1: Escolher o arquivo PDF.
Passo 2: Selecionar a página a converter para texto, e clicar em ‘Converter para texto’.
Passo 3: Feito. Agora o usuário pode manipular o texto, copiá-lo para área de transferência, ou salvá-lo para o disco rígido.
O processo é realmente simples e o programa funciona bem tanto para usuários iniciantes quanto para usuários avançados.
Fica aqui a dica para aqueles que estão procurando por um bom programa OCR de reconhecimento óptico de caracteres para converter PDF em texto editável.
