I migliori free software per l’OCR

In questi ultimi anni la tecnologia OCR (Optical Character Recognition) è molto migliorata: rispetto a prima, si nota una maggiore accuratezza e fedeltà al testo originale, e molti meno errori nel riconoscimento dei caratteri e dei segni di punteggiatura. Ora si riesce anche a conservare la formattazione del testo (colonne, tabelle, stili, ecc.), purché non ci sia nulla di troppo complicato.

Ciò permette di convertire piuttosto agevolmente qualsiasi testo cartaceo in formato digitale; da un’immagine (tiff, jpeg, ecc.) ricavata da un dispositivo di acquisizione (scanner, fotocamera o anche cellulare) si passa al txt, con tutti i vantaggi che ne conseguono: rintracciabilità, modificabilità, recupero di spazio, ecc.

Certo, pretendere sempre la perfezione è impossibile; il software OCR non può fare miracoli da solo: è tutto il processo di acquisizione che deve essere condotto in maniera ottimale e, obiettivamente, ci possono essere delle condizioni molto critiche, per cui anche un ottimo software avrebbe difficoltà. I risultati migliori si ottengono quando l’originale è in buono stato, quando si acquisiscono immagini ad alta risoluzione, quando i caratteri sono di dimensioni adeguate e non troppo fantasiosi.

Una volta l’OCR era possibile solo tramite specifici software a pagamento: tra i più diffusi, Omnipage e ReadIris. Ma ora  si può fare anche con software gratuiti, e addirittura con tool online (di cui parlerò in un prossimo articolo).

Ecco i migliori free software per l’OCR; ho avuto cura di indicare quali lingue supportano perché, per un risultato ottimale, è importante che il software riconosca la lingua in cui è scritto il testo che sta elaborando:

1. Tesseract-ocr: la sua tecnologia è forse la migliore tra tutti i software OCR gratuiti. Funziona in ambiente Unix/Linux. Il suo sviluppo è sponsorizzato da Google. Molti software qui di seguito sono stati sviluppati basandosi su questo.
2. FreeOCR: versione compilata per Windows di Tesseract-ocr;  è considerato il miglior software OCR che supporta anche la lingua italiana.
3. OpenOCR (CuneiForm): supporta 20 lingue, tra cui l’italiano; riconosce il layout del testo (tabelle, colonne, ecc.).
4. MoreDataFast: basato su Tesseract-ocr, funziona anche su Windows ed è decisamente più user-friendly. Supporta la lingua italiana.
5. Ocropus: funziona su Linux e Mac, è molto promettente; il suo sviluppo è sponsorizzato da Google.
6. TopOCR: pensato per essere usato con immagini acquisite da fotocamere digitali e telefonini. È multilingua (supporta l’italiano), e ha molte funzioni interessanti, tra cui anche un software Text-to-Speech incorporato. Funziona su Windows.
7. OCR Desktop Application: riconosce 4 milioni di variazioni di font e supporta la lingua italiana.
8. simpleOCR: supporta solo due lingue, inglese e francese, ma presto ne verranno aggiunte altre. Funziona su Windows.
9. freeOCR: molto usabile, supporta la lingua italiana. Accetta vari formati di immagini, scansioni e pdf, e restituisce txt e word. Funziona con Windows.
10. PDF OCR: funziona su Windows e supporta varie lingue, tra cui l’italiano.
11. Omniformat: è un programma in grado di convertire vari tipi di file; scaricando un apposito modulo separato, svolge anche la funzione di software OCR: si basa su Tesseract-ocr, quindi funziona bene per la lingua inglese ma peggio per le altre lingue.