Reconocimiento óptico de caracteres (Optical Character Recognition). Es un proceso dirigido a la digitalización de textos, los cuales identifican automáticamente a partir de una imagen símbolos o caracteres que pertenecen a un determinado alfabeto, para luego almacenarlos en forma de datos.

Tesseract es el motor OCR libre más potente, el que mejores resultados da.

• Respositorio oficial
• Documentación oficial

Funciona en línea de comandos:

tesseract imagen_escaneada.png texto

Frontends para tesseract:

• gImageReader