Convertir un montón de páginas escaneadas en un PDF con búsqueda
La cámara del móvil y un escáner de cama plana resuelven problemas distintos, y ninguno hace que el resultado se pueda buscar por sí solo.
Por PulsarKit · ·
Una foto de una página no es un escaneo
Sostenida sobre la mesa, la cámara del móvil ve un trapecio, no un rectángulo, y registra el color de la habitación junto con la página, en lugar del blanco limpio del papel. Pasar de esa foto a algo que se parezca a un escaneo real implica encontrar las cuatro esquinas de la hoja en el encuadre, corregir la perspectiva para que la página quede cuadrada y aplicar un umbral local de brillo que vuelva el papel blanco y la tinta negra. Sin eso, te quedas con una foto gris, algo deformada, de una página sobre un escritorio. Nada de esto se soluciona haciendo una foto «más nítida». Es una corrección específica que se aplica después de disparar.
Una página cada vez, corrigiendo sobre la marcha
La detección automática de esquinas ajusta bien el trapecio la mayoría de las veces. Se equivoca con manteles estampados, madera oscura o una página que se sale del encuadre, algo bastante habitual con libros de gran formato, así que conviene esperarlo en lugar de verlo como un fallo. Cuando falla, arrastrar manualmente cuatro tiradores hasta las esquinas reales corrige una sola página sin rehacer el resto del lote. Las páginas creadas así se acumulan en una lista que puedes reordenar, girar un cuarto de vuelta o volver a tomar en el mismo sitio; una página que aun así acabe fuera de lugar se puede mover después con Organizar PDF. Al repetir una toma se sustituye solo esa página y no hace falta escanear de nuevo toda la pila desde el principio.
Un PDF escaneado sigue sin poder buscarse
Cuando todas las páginas están capturadas, corregidas y unidas en un único PDF con JPG a PDF, el resultado sigue siendo, técnicamente, una pila de imágenes. No hay ninguna capa de texto debajo, así que no se puede seleccionar, copiar ni buscar nada en el documento. Eso sorprende a quien da por hecho que «escanear a PDF» y «PDF con búsqueda» quieren decir lo mismo. No es así, y el hueco entre ambas cosas es justo lo que cubre el OCR. Pasar OCR PDF por el escaneo terminado añade una capa invisible de texto reconocido, situada con precisión detrás de la imagen de cada página. La página se ve igual, pero ahora las palabras se pueden seleccionar, copiar y buscar.
Asegurar un buen reconocimiento a la primera
La precisión del reconocimiento depende mucho de lo plana, bien iluminada y bien encuadrada que esté la imagen de origen. Justo eso es lo que busca garantizar el paso previo de escaneo y corrección de perspectiva. Una página bien enderezada y con un umbral limpio se reconoce mucho mejor que una foto tomada en ángulo y con poca luz. El enderezado y la rotación automática antes del reconocimiento corrigen casi toda la inclinación que quede. También conviene elegir bien el idioma, o hasta tres si el documento los mezcla, porque un reconocimiento ajustado a un alfabeto equivocado funciona claramente peor incluso en páginas que por lo demás son limpias.
Elegir omitir, rehacer o forzar antes de confirmar
Un lote de páginas escaneadas rara vez es uniforme. Algunas ya pueden tener una capa de texto de un procesamiento anterior, y volver a reconocerlas hace perder tiempo sin cambiar nada útil. Dejar intactas las páginas que ya tienen texto y reconocer solo las que son imagen pura es la opción segura en un lote mixto. Cuando se sabe que una capa de texto existente está mal, por ejemplo por un OCR anterior que salió defectuoso, la opción que lo arregla es forzar el reconocimiento e ignorar el texto ya presente para rehacer todas las páginas a partir de la imagen. La alternativa deja la capa mala donde está, por debajo de una segunda capa que no se llega a usar.
Errores habituales con la cámara
La mayoría de los escaneos malos se deciden antes de que ningún programa los vea. Disparar bajo una sola lámpara pone la sombra del móvil, o de tu propia mano, sobre la página, y ningún umbral distingue esa sombra de la tinta; la luz de día de una ventana, o dos luces desde lados opuestos, eliminan el problema de raíz. El papel brillante devuelve la luz al objetivo como una mancha blanca que borra el texto de debajo, así que inclina el libro o mueve la luz hasta que el reflejo salga de la página. Un libro grueso nunca queda plano por sí solo: el texto cerca del lomo se curva y se encoge, y la cámara lo registra como un borrón. Sujetar la página opuesta con la mano o con un peso y fotografiar una página cada vez, en lugar de la doble página, mantiene cada línea lo bastante recta como para reconocerla. Pon el libro sobre una superficie lisa que contraste con el papel, porque las telas estampadas y la veta de la madera oscura son justo lo que confunde la detección de esquinas. Mantén el móvil paralelo a la página en vez de inclinado, y no reduzcas las fotos antes del reconocimiento: lo que el reconocimiento lee son los trazos finos de las letras, y una copia reducida los pierde primero. Por último, dispara en orden de lectura y comprueba el número de páginas al final; una página que falta es mucho más fácil de repetir ahora que de descubrir después de pasar el OCR.
Qué pasa con el archivo durante el reconocimiento
Las dos mitades de este trabajo se ejecutan en sitios distintos. Montar las páginas con JPG a PDF y corregir su orden en Organizar PDF ocurre por completo en el navegador; las fotos nunca se suben. El reconocimiento es otra cosa: un escaneo de muchas páginas necesita un motor de OCR de verdad, así que OCR PDF envía el PDF montado a nuestro servidor por una conexión cifrada, hasta 300 MB y 500 páginas por trabajo. El archivo subido se borra en cuanto termina el trabajo, y el resultado se puede descargar durante una hora y se elimina en unas dos horas lo descargues o no. Las páginas vuelven en el mismo número y orden, cada una con una capa de texto invisible; las opciones Enderezar páginas torcidas y Girar páginas automáticamente vienen activadas por defecto y también corrigen la imagen de las páginas inclinadas o puestas del revés. Un libro fotografiado con el móvil llega al límite de tamaño mucho antes que al de páginas: a unos tres megabytes por foto, cien páginas ya llenan 300 MB. Así que móntalo por partes de unas cien fotos, o divide un PDF terminado con Dividir PDF, y reconoce cada parte; Unir PDF junta los resultados en orden, hasta 500 MB en total. Elige los idiomas primero, hasta tres para un libro que los mezcle, y activa el archivo de texto adjunto para tener las palabras reconocidas en un .txt plano: es la forma más rápida de comprobar una página de muestra antes de lanzar el resto.
Herramientas usadas en este artículo
OCR PDFAñade una capa de texto buscable a un PDF escaneado en 15 idiomas. El texto pasa a ser seleccionable, y las páginas torcidas o de lado se enderezan salvo que lo desactives. Se ejecuta en nuestro servidor; los archivos se borran automáticamente en unas dos horas.
JPG a PDFConvierte una carpeta de fotos JPG en un solo PDF, en el orden que elijas y sin volver a comprimir ni un solo píxel.
Organizar PDFPon las páginas de un documento en el orden que quieras y gira, duplica o elimina páginas sueltas cuando lo necesites.Sigue leyendo
- Una alternativa a PDFgear: qué coincide y adónde va tu archivoEl 20 de octubre de 2026 comparamos con PulsarKit las 37 tarjetas de la página de herramientas en línea de PDFgear. 34 de las 36 herramientas que hay detrás tenían equivalente; PDF to PSD y PSD to PDF no tenían ninguno.
- Comprimir un libro escaneado: qué hace cada nivel con 60 páginasEn un foro preguntaron cómo reducir el escaneo de un libro de 580 páginas sin estropear el texto. Pasamos un escaneo de 60 páginas por todos los niveles de Comprimir PDF y revisamos los píxeles, los tamaños y las palabras.
- Fotos del iPhone en un solo PDF: HEIC, orden, tamaño y qué sale del teléfonoVarias fotos del iPhone pueden convertirse en un solo PDF en Safari, sin app y sin cuenta. Aquí verás cómo trata HEIC a PDF el orden, el tamaño de página, las Live Photos, las fechas y las ubicaciones, y qué se queda en tu teléfono.