Por qué las fuentes pequeñas rompen
la precisión del OCR — 4 causas raíz y soluciones

El problema es la física, no la IA

Cuando un motor de OCR o un modelo de IA visual falla con texto pequeño, el primer instinto es culpar al software. Pero el verdadero cuello de botella aparece antes de que comience cualquier procesamiento de IA: lo determina la cantidad de píxeles disponibles por carácter.

Aquí están los números. Un "punto" tipográfico equivale a 1/72 de pulgada. A 150 DPI (puntos por pulgada, la resolución típica de un fax o escáner de gama baja), la altura en píxeles de un carácter es:

altura en píxeles = tamaño de fuente (pt) × DPI / 72

Para un carácter de 6pt a 150 DPI:

6 × 150 / 72 = 12.5 píxeles

Doce píxeles es aproximadamente la altura de una letra en el tamaño de fuente más pequeño que permite su sistema operativo en una ventana de terminal. Ahora considere lo que sucede dentro de un carácter a esa escala. Los rasgos distintivos que separan "8" de "6" — un bucle superior cerrado frente a un bucle inferior cerrado — abarcan como máximo 2 o 3 píxeles. Un solo píxel de ruido del sensor del escáner, una fracción de grado de inclinación de la página o el bloque de compresión JPEG de una foto de teléfono pueden eliminar esa distinción por completo. El carácter "m" y el par "rn" ocupan el mismo ancho de columna de 2-3 píxeles en tamaños pequeños — se vuelven estructuralmente idénticos.

Este no es un problema que se pueda resolver con mejor entrenamiento de IA o un post-procesamiento de OCR más sofisticado. La señal de entrada carece de la información necesaria para que cualquier sistema de reconocimiento produzca la salida correcta. Cada solución posterior en este artículo sortea esta limitación o la reduce, pero la limitación en sí misma es ineludible.

¿Cuántos píxeles necesita realmente un carácter?

Para entender cuándo la fuente pequeña se convierte en un problema práctico, relacione el tamaño de fuente y la resolución de escaneo con la altura en píxeles. El umbral crítico para el reconocimiento de caracteres es aproximadamente 20-25 píxeles de altura del carácter para una discriminación fiable entre glifos similares:

✗ = no fiable    ⚠ = marginal    ✓ = generalmente fiable para texto impreso. Estas son estimaciones de altura de caracteres: el reconocimiento también depende del grosor del trazo, el contraste y el diseño de la fuente.

La tabla muestra el patrón claramente: a 300 DPI estándar, el texto de 6 pt está justo en el límite marginal. A 200 DPI —la resolución de muchas impresoras multifunción de oficina y la mayoría de los documentos por fax— todo lo que esté por debajo de 10 pt es marginal o no fiable. Cuando bajas a 150 DPI (común en faxes y PDF de baja calidad), solo 12 pt o más es fiable.

Causa 1: Resolución de escaneo inferior a 200 DPI

La causa más común de fallos en la extracción de texto pequeño es una resolución de escaneo demasiado baja para el texto objetivo. El problema no es que el escáner sea inadecuado, sino que el flujo de trabajo se diseñó para texto legible (~10-12pt) y nadie lo ajustó para caracteres más pequeños en notas al pie, celdas de tabla, avisos legales e instrucciones de formularios.

Por qué 200 DPI es el umbral crítico: A 200 DPI, un carácter de 8pt —tamaño típico en celdas de tabla y etiquetas de formularios— genera solo 22 píxeles de altura. Caracteres como "e" y "c" se vuelven casi indistinguibles porque el contorno abierto (espacio interior de la letra) se reduce a 1 píxel. El bucle de un "8" y la curva de un "6" ocupan el mismo espacio vertical de 2 píxeles. Por eso las facturas enviadas por fax y los contratos escaneados producen errores de extracción en secciones de texto pequeño, mientras que el cuerpo principal se ve bien.

Qué verificar: Si tu PDF escaneado proviene de una impresora multifunción de oficina configurada en modo "calidad estándar", casi seguro está a 200 DPI. Los documentos por fax llegan a 100-200 DPI según el equipo del remitente. Antes de culpar a la herramienta de extracción, verifica los DPI efectivos de la imagen: abre las propiedades del archivo en cualquier visor y divide el ancho en píxeles por el ancho físico de la página en pulgadas. Si el resultado es inferior a 250 DPI y tu documento contiene texto menor a 10pt, la resolución es probablemente la causa raíz.

Para más información sobre cómo la calidad de imagen afecta la precisión de extracción en distintos tipos de documentos, consulta nuestra guía sobre baja precisión de OCR en documentos escaneados.

Causa 2: La elección de fuente agrava el problema de resolución

No todos los caracteres de 8pt son iguales. El diseño de la fuente determina cuánto del presupuesto de píxeles disponible es realmente utilizable para el reconocimiento:

Sans-serif vs. serif en tamaños pequeños. Una fuente serif como Times New Roman añade trazos decorativos (serifas) al final de los trazos de las letras. A 10pt o más, esas serifas ayudan a la legibilidad. A 6-8pt en un escaneo de 200 DPI, las serifas se fusionan con el trazo principal, engrosando el carácter de forma impredecible y dificultando la separación de caracteres adyacentes. Las fuentes sans-serif (Arial, Helvetica, Calibri) carecen de estos trazos extra, por lo que sus formas más simples sobreviven mejor a escaneos de baja resolución. La documentación de Tesseract y múltiples guías de bibliotecas recomiendan específicamente fuentes sans-serif para documentos aptos para OCR.

Pesos de fuente finos/light. El peso "Light" o "Thin" de una familia tipográfica —popular en diseño de marca moderno, encabezados de informes financieros e interfaces minimalistas— utiliza trazos que pueden tener solo 1 píxel de ancho en resoluciones de escaneo comunes. Un ancho de trazo de un solo píxel significa que cualquier ruido, artefacto de compresión o variación del sensor del escáner romperá el trazo (haciendo el carácter invisible) o lo engrosará asimétricamente (cambiando la forma del carácter). Los pesos bold y regular, con trazos de 2-3 píxeles al mismo ancho, tienen una tolerancia significativamente mayor a estos artefactos.

Fuentes con glifos ambiguos. Ciertos diseños de fuente dificultan aún más los caracteres que ya son difíciles para el OCR. Arial, por ejemplo, representa la "l" minúscula y la "I" mayúscula de forma idéntica —la única señal distintiva es el contexto, del que carece el OCR tradicional. En tamaños pequeños, esta ambigüedad empeora porque cualquier diferencia visual restante (una fracción de píxel en la serifa o altura del trazo) desaparece por completo.

El patrón práctico: si el texto pequeño de tu documento usa una tipografía sans-serif moderna y ligera (común en extractos bancarios europeos, facturas SaaS e informes de inversión), verás errores de extracción en tamaños donde una fuente más gruesa o con serifa aún produciría resultados legibles. La elección de la fuente no causa el problema, pero determina a partir de qué altura en píxeles el problema se vuelve visible.

Causa 3: Intentar Extraerlo Todo en Lugar de Priorizar

Esto es menos un problema técnico y más un problema de diseño del flujo de trabajo, pero es una de las fuentes más comunes de frustración con la extracción de texto pequeño.

Muchos usuarios abordan la extracción con la mentalidad de que todo en la página debe obtenerse: cada línea, cada descargo, cada nota al pie, cada anotación marginal. Cuando un descargo legal de 6pt al final de un extracto bancario produce resultados confusos, parece que toda la extracción falló. En la práctica, el texto principal y las cifras financieras clave pueden haberse extraído perfectamente; el fallo se limitó a una sección de texto que ningún flujo de trabajo práctico necesita realmente.

La estrategia de priorización de campos: Antes de extraer, separa el contenido del documento en tres grupos:

• Campos críticos (10pt+) — números de factura, totales, fechas, nombres de proveedores, números de cuenta, números de póliza. Casi siempre están en un tamaño de fuente legible y tienen peso financiero u operativo. Extráelos con alta confianza.
• Campos complementarios (8-10pt) — códigos de referencia, nombres de departamento, desgloses de impuestos, campos de cantidad. Generalmente extraíbles a 300 DPI, posiblemente marginales a resoluciones más bajas. Márcalos para verificación puntual.
• Texto incidental (menos de 8pt) — descargos legales, avisos de derechos de autor, términos y condiciones, pies de página, instrucciones en letra pequeña. Rara vez se necesitan en un flujo de trabajo de datos estructurados. Considera omitirlos de la extracción por completo en lugar de dejar que los errores en estos campos erosionen la confianza en el resultado general.

Al usar una herramienta de extracción con IA con Extracción de Columnas Personalizadas (donde escribes los nombres de las columnas que necesitas y la IA ubica los valores semánticamente), esta priorización está integrada en el flujo de trabajo por diseño: solo defines columnas para los datos que realmente necesitas. La IA no desperdicia capacidad de procesamiento en secciones del documento que nunca solicitaste. Si una columna contiene un valor de una región de fuente pequeña, su puntuación de confianza te da un indicador natural para una revisión manual.

El mismo principio aplica al procesamiento por lotes: si estás extrayendo 50 cotizaciones de proveedores y los términos de la letra pequeña llegan a cada fila con precisión mixta, pregúntate si realmente necesitas esos términos en la hoja de cálculo. A menudo la respuesta es no, y eliminarlos mejora tanto la velocidad de extracción como la calidad percibida del resultado.

Causa 4: Artefactos de renderizado subpíxel en capturas de pantalla

Esta causa es casi invisible (literalmente) para el ojo humano, pero produce algunas de las fallas de extracción más confusas. Solo afecta a las capturas de pantalla, pero dado que una fracción creciente del procesamiento de documentos comienza como capturas de pantalla (exportaciones de paneles, facturas de portales web, capturas de aplicaciones móviles), afecta a más flujos de trabajo de lo que la mayoría cree.

Los sistemas operativos modernos utilizan renderizado subpíxel (ClearType en Windows, Core Text en macOS) para mejorar la claridad del texto en pantallas LCD. La técnica funciona direccionando subpíxeles individuales rojos, verdes y azules dentro de cada píxel de pantalla, triplicando efectivamente la resolución horizontal para el renderizado de texto. Para tu ojo, esto hace que el texto pequeño en pantalla se vea nítido y bien definido. Para un motor OCR que procesa la captura como una imagen plana, el mismo texto llega con bordes coloreados (franjas rojas y azules en los límites de los caracteres) que confunden la detección de bordes, la binarización y la segmentación de caracteres.

Los motores OCR tradicionales que dependen del umbralizado (convertir la imagen a blanco y negro antes del reconocimiento) son particularmente sensibles a este artefacto. Cuando el paso de binarización encuentra un borde de carácter con una franja subpíxel roja, puede interpretar la franja como parte del carácter o como un objeto separado; de cualquier manera, el límite del carácter se desplaza de forma impredecible. En tamaños de documento normales (10-12pt), el artefacto es pequeño en relación con el carácter y el motor OCR aún puede adivinar correctamente. En tamaños de 6-8pt, la franja subpíxel puede ser tan ancha como el trazo del carácter, produciendo una salida que parece "leer" ruido de color en lugar de texto.

Cómo probar esto: Si obtienes malos resultados de una captura de pantalla, pero el mismo documento escaneado a 300 DPI funciona bien — y el texto es lo suficientemente pequeño como para que el ojo humano lo encuentre difícil de leer en pantalla — es probable que el renderizado subpíxel sea un factor contribuyente. Intenta ampliar el navegador o la aplicación al 150% antes de tomar la captura, lo que aumenta el presupuesto de píxeles por carácter y hace que la franja subpíxel sea proporcionalmente más pequeña.

Para una mirada más detallada a los desafíos de extracción específicos de capturas de pantalla, incluidos problemas de color, contraste y escalado, consulta por qué falla la extracción OCR en fondos de color y marcas de agua — muchos de los mismos principios de calidad de imagen se aplican a las capturas de pantalla con texto pequeño.

Lo que realmente funciona: una jerarquía práctica de correcciones

Las correcciones a continuación están ordenadas de mayor impacto / menor esfuerzo a menor impacto / mayor esfuerzo. Empiece por la primera y deténgase cuando la precisión sea aceptable para su flujo de trabajo.

Corrección 1: Apunte a 300+ DPI para documentos con texto pequeño

Si controla el paso de escaneo, esta es la acción más efectiva. Para documentos que se sabe que contienen texto por debajo de 10pt, escanee a 400-600 DPI en lugar de los 300 DPI estándar. La guía de mejores prácticas de OCR de la Universidad de Pittsburgh confirma que se recomiendan 400-600 DPI específicamente para documentos con fuente pequeña. La contrapartida son archivos más grandes y un procesamiento más lento, pero para el subconjunto de páginas donde la precisión de la fuente pequeña importa, vale la pena el aumento. Para documentos enviados por fax o correo electrónico donde no puede controlar la fuente, anote el límite de resolución como una restricción conocida en su flujo de trabajo; no todos los documentos se pueden extraer con la misma precisión, y eso es aceptable siempre que las expectativas se establezcan en consecuencia.

Corrección 2: Aplique priorización de campos en el diseño de su extracción

Revise sus definiciones de columnas y elimine cualquier campo que apunte a texto incidental de fuente pequeña. Si la línea de pie de página de 6pt contiene un número de registro de proveedor que nunca ha utilizado realmente en la conciliación, elimine la columna. Cada columna que elimina es una fuente de resultados de baja confianza que ya no necesita verificación. Al usar la Extracción de Columnas Personalizadas, explore las señales de confianza de la herramienta; si un campo devuelve valores de baja confianza de manera consistente, verifique si el texto de origen es lo suficientemente pequeño como para que la IA esté realmente adivinando. Si es así, decida si vale la pena mantener el campo con verificación manual o si puede obtenerlo de otra manera.

Solución 3: Escalado por superresolución — usar con precaución

El escalado basado en IA (superresolución o SR) puede ampliar un escaneo de 150 DPI a un aparente 300 DPI interpolando nuevos píxeles entre los existentes. Los resultados en texto con fuente pequeña son mixtos: el escalado simple por vecino más cercano o bilineal no agrega información nueva, solo distribuye los mismos 12 píxeles en más espacio. Los modelos de superresolución de IA (SRGAN, ESRGAN, Real-ESRGAN) entrenados con imágenes de documentos pueden recuperar algo de detalle de trazos en texto moderadamente degradado, especialmente en caracteres impresos de alto contraste. Sin embargo, para texto con fuente pequeña que ya carece de rasgos distintivos de píxeles, la SR no puede inventar características que nunca se capturaron: puede producir una salida visualmente más suave sin mejorar realmente la precisión a nivel de caracteres. El caso de uso más fiable para la SR es ampliar texto de un escaneo de resolución ya marginal (p. ej., de 200 DPI a 400 DPI) antes de pasarlo a una herramienta de extracción; no espere que la SR rescate texto capturado a resolución de fax.

Para técnicas de preprocesamiento que funcionan antes de la extracción, incluidos escalado, binarización y enderezado, consulte nuestra guía de preprocesamiento de imágenes OCR.

Solución 4: Solicitar mejores documentos fuente cuando sea posible

En muchos flujos de trabajo profesionales —particularmente cuentas por pagar, gestión de contratos y procesamiento de documentos fiscales— existe la opción de solicitar una mejor fuente. Si un proveedor envía una factura por fax a 150 DPI y las descripciones de las líneas en tamaño 7pt son constantemente ilegibles, pídale que envíe un PDF digital por correo electrónico. Si un subcontratista entrega una fotocopia de una fotocopia de un formulario firmado, solicite el original o una foto limpia. Esta solución no siempre está disponible (algunos proveedores antiguos solo envían por fax, algunos formularios gubernamentales solo vienen en un formato impreso fijo), pero está más disponible de lo que los equipos suponen. El costo de una solicitud por correo electrónico es menor que el de corregir manualmente 50 errores de extracción en un lote.

El límite real: Menos de 7 pt no es fiable para ningún sistema

Ninguna mejora de precisión, ajuste de flujo de trabajo o actualización de herramienta hará que un texto de 6 pt sea extraíble de forma fiable a partir de un escaneo de 200 DPI. El presupuesto de píxeles simplemente no es suficiente. La precisión de reconocimiento en texto impreso de menos de 7 pt se estanca aproximadamente en un 60-80 % a nivel de carácter — lo que significa que entre el 20 y el 40 % de los caracteres se leen mal — independientemente de si el motor es OCR tradicional o un modelo moderno de lenguaje visual. El margen de ese número de 6 pt en tu factura no será extraíble con una precisión del 99 % a nivel de campo, y la respuesta responsable es planificar una verificación manual o una omisión, en lugar de perder tiempo optimizando un flujo de trabajo en torno a una entrada que la física de la digitalización no puede soportar.

Este límite se aplica a todos los sistemas actualmente en producción. No solo a Tesseract, no solo al OCR heredado — se aplica a Google Cloud Vision, Amazon Textract y herramientas basadas en modelos de lenguaje visual por igual. La diferencia entre estas herramientas en texto de fuente pequeña se mide en puntos porcentuales, no en órdenes de magnitud. Los modelos de IA visual tienen ventaja en texto de menos de 7 pt porque usan el contexto circundante para adivinar un carácter faltante — si la IA ve "Núm_ro de F_ctura" entre encabezados de factura familiares, puede inferir los valores correctos — pero esta conjetura contextual tiene un límite. Cuando los caracteres por debajo de cierto umbral de píxeles son genuinamente ambiguos, la inferencia es, en el mejor de los casos, una suposición fundamentada.

Para una visión más amplia de las expectativas de precisión en diferentes tipos de documentos y condiciones, consulta nuestra guía práctica para mejorar la precisión del OCR.

Preguntas Frecuentes