thumb|250px|Digitalizando obras del dominio público en Uruguay.
La digitalización de documentos es un proceso tecnológico que permite, mediante la aplicación de técnicas fotoeléctricas o de escáner, convertir la imagen contenida en un documento en papel en una imagen digital.
La digitalización de documentos es una forma de capturar y almacenar imágenes utilizando la tecnología computacional. Por medio de una cámara digital o un escáner se obtienen imágenes de forma electrónica, que convierte el documento en una imagen mediante softwares de captura. La información digitalizada queda registrada en un dispositivo de almacenamiento de datos y puede ser usada para otras operaciones o archivada para futuras consultas sin perder calidad o claridad por el paso del tiempo.
La digitalización de documentos forma parte esencial de la preservación digital, que es un conjunto de técnicas diseñadas para la conservación de la información de los documentos.
Objetivo El objetivo básico de la digitalización de documentos es la transferencia de la información a otro soporte distinto del original. El documento pasa de un estado analógico a uno digital o informático. Los documentos en formato informático, son aquel digitalizado con almacenamiento en soporte magnético u óptico. La información queda registrada por señales binarias; la calidad y contenido de las copias siempre es idéntica a la del documento original.
La digitalización de documentos permite: Preservar los documentos originales del deterioro por su uso y generar copias de seguridad. Preservar solo el contenido informativo. Creación de acervos documentales digitales. Agilizar y descentralizar la consulta de los documentos digitalizados. La tecnología digital permite capturar los valores de cualquier imagen al margen de su soporte, polaridad, dimensiones, etc. Cualquier imagen o conjunto de ellas puede ser estructurada en bases de datos y ser recuperada en nuevos formatos.
Evolución El comienzo de la digitalización, se dio debido a la necesidad del ser humano por almacenar y transmitir la información necesaria en distintos soportes. Antes de realizarse la digitalización tal y como la conocemos hoy en día, se crearon una serie de instrumentos modificados con el paso del tiempo explicados a continuación.
En 1895 el instrumento utilizado se denominaba Telediágrafo, permitía transmitir las imágenes al formato digital por medio de métodos eléctricos. Su uso consistía en dibujar la imagen en una lámina de estaño empleando una tinta no conductora de goma-laca con alcohol, para posteriormente ser fijada en un rodillo que trabajaba como transmisor. Entretanto el receptor utilizaba un lápiz óptico sincronizado con el Telediágrafo, por lo que enviaba y recibía línea a línea la imagen que pretendía digitalizarse. Este proceso de digitalización podía costar hasta media hora.
Posteriormente, con la llegada del Belinógrafo en 1913 la técnica utilizada mejoró notablemente, ya que se utilizaba una fotocelda para traspasar la imagen a través de la línea telefónico conocido como Fax. En los años 40, con la construcción de las primeras computadoras, se empezaron a agregar números para realizar múltiples cálculos. Ya en la década de los 80 se realizaban los primeros escáneres digitales, lo que en lugar de enviarse la imagen a fax se almacenaba en un PC.
Estos primeros aparatos mencionados al capturar los documentos que pretendían digitalizarse contenían una deficiente resolución, pero con el avance de la tecnología y el paso del tiempo han mejorado notablemente hasta la actualidad, utilizando para el proceso de digitalización sistemas mucho más innovadores y eficaces.
Clases y tipos
Los diferentes tipos de documentos que podemos encontrar son materiales de soporte magnético y de soporte óptico de caracteres.
Reconocimiento óptico de caracteres (Optical Character Recognition) significa Reconocimiento Óptico de Caracteres (OCR). Es la tecnología que permite convertir imágenes de caracteres en letra de máquina, en caracteres capaces de ser interpretados o reconocidos por un ordenador. Obtiene como resultado final un archivo en un formato de texto editable, cuyos formatos de salida en los que se presentan estos archivos pueden ser variados (pdf, txt, etc.).
Este procedimiento es utilizado en la informática como procedimiento para digitalizar un texto a través de un escáner.
Para poder realizar un reconocimiento de los caracteres, el software debe inspeccionar la imagen pixel a pixel buscando formas que coincidan con los rasgos de los caracteres.
El soporte óptico permite analizar elementos del documento como (imágenes, tablas, texto, etc.) para su posterior digitalización.
Este sistema revolucionó el mundo digital, pudiendo evitar la introducción manual de los datos a un ordenador y reconociéndolos automáticamente. Con el paso del tiempo la técnica se ha ido perfeccionando con la evolución y mejora de su efectividad. En la actualidad el soporte óptico además de permitir mantener la estructura de los documentos originales en el archivo de salida, reconoce caracteres contenidos en documentos manuscritos, diagramas, partituras, etc. A pesar de ello, debemos destacar que dispone de una efectividad limitada, debido a que deben realizarse posteriores revisiones y correcciones manualmente del texto escaneado.
En la actualidad existe un sistema de reconocimiento óptico más avanzado denominado de ABBYY FineReader, basado en tres principios fundamentales IPA (Integridad, Intencionalidad y Adaptabilidad).
Respecto a la utilización del OCR es aplicable en diversos ámbitos y sectores (Actividad Jurídica, Centros de Documentación, etc.) para la digitalización de formularios, informes, documentos administrativos, etc. En el sector cultural, en la preservación del patrimonio, el OCR digitaliza principalmente documentos históricos en soporte microfilm o papel.
Entre las ventajas que presenta el soporte óptico de caracteres encontramos: Búsqueda y recuperación de documentos. Explotación de los documentos. Reducción de costes económicos Los inconvenientes que muestra son los siguientes: Escasez de conocimiento y expertos en las instituciones. Elevado coste de generar texto electrónico Deficiente digitalización de documentos históricos anteriores al . Las recomendaciones técnicas que se deben considerar para una mayor resolución de los documentos digitalizados con el soporte óptico de caracteres, es establecer una resolución mínima de 300 ppp en documentos de texto con tipos de letra claros y 600 ppp para documentos con letras pequeñas u originales de poca calidad (prensa).
Soporte magnético. Esta categoría hace referencia los materiales audiovisuales, entre los materiales que pueden digitalizarse encontramos (Cintas de vídeo VHS, Beta, Vinilos, Casetes, etc.). El proceso de digitalización consiste en la transcripción de señales analógicas en señales digitales cuyo objetivo es facilitar su procesamiento (comprensión, codificación, etc.), haciendo la señal derivada (digital) con menos ruidos e interferencias a las señales analógicas.
El proceso de digitalización analógica está formado de cuatro etapas: Muestreo (sampling). Consiste en tomar muestras periódicas de la amplitud de la señal. La velocidad con que se toma esta muestra (el número de muestras por segundo), conocido como frecuencia de muestreo. Cuanto menor es el valor del período de muestreo, mejor constituida queda la señal analógica. Retención (hold). Las muestras tomadas han de ser retenidas (retención) por un circuito de retención (hold), el tiempo suficiente para permitir evaluar su nivel (cuantificación). Desde el punto de vista matemático este proceso no se contempla, ya que se trata de un recurso técnico debido a limitaciones prácticas, y carece, por tanto, de modelo matemático. Cuantificación. Mide el nivel de voltaje de cada una de las muestras. Consiste en asignar un margen de valor de una señal analizada a un único nivel de salida. Incluso en su versión ideal, añade, como resultado, una señal indeseada a la señal de entrada: el ruido de cuantificación. Codificación. Consiste en traducir los valores obtenidos durante la cuantificación al código binario. Hay que tener presente que el código binario es el más utilizado, pero también existen otros tipos de códigos que también son utilizados. Entre las ventajas que presenta el soporte magnético encontramos: Al presentar la señal, leves alteraciones puede ser reparada y amplificada a través de sistemas de regeneración de señales. Dispone de sistemas de detección y modificación de errores. Facilidad para el procesamiento de la señal. La señal digital permite la multigeneración infinita sin pérdidas de calidad. Los inconvenientes que muestra son los siguientes: Debe realizarse primeramente una conversión analógica-digital y a continuación una decodificación. La transmisión de señales digitales requiere una sincronización precisa entre los tiempos del reloj del transmisor, con respecto a los del receptor. Al utilizar compresión con pérdida, es improbable reconstruir la señal original idéntica, pero permitiría una parecida dependiendo del muestreo tomado en la conversión de analógico a digital. Digitalización de documentos para su utilización en una biblioteca virtual
En el ambiente educativo las nuevas tecnologías se han vuelto una herramienta indispensable, han permitido traspasar barreras de espacio y tiempo, permitiendo capacitar a personas inmersas en diferentes culturas. En este contexto la digitalización es un paso importante e indispensable para la publicación de documentos con la información necesaria para el fin mencionado. La metodología propuesta pretende normalizar el proceso por el cual se obtienen los documentos a ser publicados dentro de una Biblioteca Virtual.
Características técnicas La digitalización de documentos es un proceso muy normalizado, debe hacerse bajo unas condiciones determinadas y unos requerimientos básicos para una correcta digitalización, es por eso que necesita unas características técnicas definidas, las cuales pueden depender del formato de origen del documento y la finalidad que se le vaya a dar a la copia digitalizada. Principalmente las características técnicas de los documentos digitalizados son:
Imagen digital
A diferencia de las fotografías ordinarias, las digitales están formadas por cadenas de bits, interpretadas por un ordenador, y que presenta una reproducción de la imagen en pantalla.
La imagen digital es dividida en una matriz de puntos a modo de cuadrícula. Cada uno de estos puntos recibe el nombre de píxel, que toma el valor binario 1 o 0 dependiendo de la luminosidad y el tono lumínico leído por el escáner. A cada píxel se le asigna un valor tonal que está representado por un código binario.
Resolución digital
La resolución de la imagen viene dada por el número de pixeles que tiene la imagen. Cuanto mayor sea este número mayor será la resolución. La medida de la resolución se determina por el número de píxeles leídos en una distancia lineal de una pulgada (2,54 cm) en el documento digitalizado.
Las resoluciones de escaneado más frecuentemente utilizadas en documentos blanco y negro son 200, 300 y 400 puntos por pulgada. En la digitalización de imágenes color de alta calidad, son típicas resoluciones de 1200 a 2400 puntos por pulgada.
Profundidad de bits o resolución cromática
La profundidad de bits específica la cantidad de información de color que está disponible para cada píxel de una imagen. Cuantos más bits de información por píxel haya, más colores disponibles existirán y se podrá apreciar una mayor precisión en la representación del color.
Las imágenes digitales se pueden digitalizar en blanco y negro, a escala de grises o a color. Para la digitalización en blanco y negro, a cada pixel un bit, bien de valor 0 bien de valor 1, correspondiendo al blanco y al negro.