pdfsandwich - Herramienta para crear archivos PDF con imagen y OCR en formato sándwich

• PDF “sándwich”: archivo PDF que contiene solo imágenes y al que se le aplica OCR para insertar texto de forma invisible detrás de la imagen de cada página

→ permite buscar texto y seleccionarlo para copiarlo

• Herramienta de línea de comandos usada para aplicar OCR a libros o revistas escaneados

→ también soporta texto en múltiples columnas

• tesseract + unpaper + convert + ghostscript

→ soporta todos los idiomas compatibles con tesseract (incluido coreano)

• Linux/Mac. Soporta procesamiento en paralelo en sistemas multiprocesador