Enderezar y limpiar escaneos

1. Instala OCRmyPDF

Se instala una sola vez y queda para siempre. Es gratis y de código abierto:

# macOS (Homebrew) — incluye Tesseract y el idioma español
brew install ocrmypdf

# Ubuntu / Debian — agrega el paquete de español
sudo apt install ocrmypdf tesseract-ocr-spa

Si nunca has usado la terminal, empieza por la guía de la terminal.

2. El comando exacto

Coloca el escaneo en una carpeta, abre la terminal ahí y ejecuta esto. Dos banderas arreglan la mayoría de los escaneos imperfectos:

ocrmypdf -l spa --deskew --clean escaneo.pdf buscable.pdf

--deskew endereza las páginas que quedaron torcidas y --clean elimina manchas y motas antes del reconocimiento. El resultado es un PDF más recto, más limpio y con mejor OCR.

Si el PDF ya tenía algo de texto

A veces el documento ya trae una capa de texto pobre y OCRmyPDF se niega a procesarlo para no duplicarla. En ese caso, fuerza el reconocimiento desde cero con --redo-ocr:

ocrmypdf -l spa --deskew --clean --redo-ocr escaneo.pdf buscable.pdf

Tareas relacionadas

Preguntas frecuentes

¿La diferencia entre enderezar y rotar?

--deskew corrige inclinaciones leves: una hoja que entró al escáner unos grados chueca. La rotación, en cambio, gira la página en bloques de 90 grados, para escaneos que quedaron completamente acostados o de cabeza. Para una hoja ligeramente torcida usa --deskew; para una de lado, el comando de rotar.

¿Limpiar el escaneo cambia el documento que veo?

Conviene saber qué hace cada bandera: --deskew sí endereza la página visible. --clean, en cambio, limpia una copia interna solo para mejorar el reconocimiento, pero por defecto no altera la imagen final que ves. Así el OCR sale más preciso sin que el documento pierda su aspecto original.