es la herramienta de digitalización de documentos primarios. Es un dispositivo que convierte las imágenes de papel, texto impreso, escritura a mano o incluso un objeto como un adorno en una imagen digital.
Un escáner lee color rojo-verde-azul de datos (RGB) y estos datos se procesa con el algoritmo del escáner para realizar ajustes para diferentes condiciones de exposición. La calidad de imagen depende de la profundidad de color, resolución y rango de densidad, así como la calidad del algoritmo. Continuación de la investigación se ha puesto a punto el algoritmo en la medida en que las imágenes pueden ahora ser mejor que los originales. OCR
o reconocimiento óptico de caracteres es una tecnología para la conversión de imágenes de documentos de texto en texto legible por máquina.
Mientras que un alto grado de precisión se ha logrado en el reconocimiento de texto impreso o escrito a máquina, la capacidad de reconocer los diferentes tipos de escritura a mano es todavía crítica imperfect.A humana es generalmente necesaria para garantizar el 100 por ciento de precisión de los sistemas document.Computer convertidos almacenar el escaneado imágenes de documentos, convertidos en texto legible por máquina, en sus repositorios.
Pero, ¿cómo puede alguno de estos documentos particulares pueden recuperar rápidamente? Cuando el número de documentos es pocos, esto podría no ser un problema. Sin embargo, cuando este número se encuentra con miles o millones, encontrar un documento concreto en efecto, convertirse en un problem.It es aquí que indexación
entra en escena. Datos del índice unidos a los documentos permiten consultas estilo del motor de búsqueda que se deben realizar para localizar documentos específicos de entre la masa de almacenado de indexación documents.
Search motor puede ser tan simple como la indexación de texto completo - donde se indexa cada palabra en un documento palabra clave --o o etiqueta indexación donde se indexan sólo unos rótulos que lleva el documento. Estas etiquetas se seleccionan para identificar correctamente el contenido de la indexación document.Tag asume que todas las etiquetas pertinentes se adjuntan a cada documento. Si este no es el caso, el documento no puede ser encontrado, incluso