Aplicação de técnicas de reconhecimento óptico de caracteres (ocr) na digitalização de documentos históricos

Este artigo apresenta uma análise da aplicação de técnicas modernas de Reconhecimento Óptico de Caracteres (OCR) na digitalização e preservação de documentos históricos, utilizando como estudo de caso um anúncio publicitário de uma escola de datilografia datado de 1918. A pesquisa implementou a biblioteca Tesseract OCR através da linguagem Python para extrair texto de uma imagem digitalizada, demonstrando as potencialidades e limitações dessa tecnologia quando aplicada a documentos centenários. O documento analisado revela aspectos socioculturais da época, evidenciando a datilografia como uma "profissão de futuro" e refletindo as transformações tecnológicas do início do século XX. Os resultados obtidos mostram que, apesar dos desafios relacionados à qualidade da imagem e características tipográficas da época, as técnicas de OCR modernas conseguem extrair informações relevantes de documentos históricos, contribuindo significativamente para projetos de digitalização e preservação do patrimônio documental. A metodologia proposta pode ser aplicada em larga escala para a criação de acervos digitais pesquisáveis, facilitando o acesso a fontes históricas e promovendo a democratização do conhecimento.