Este sistema permite extraer información de imágenes de DNI españoles mediante técnicas avanzadas de OCR (Reconocimiento Óptico de Caracteres) combinadas con análisis inteligente.

• Extracción precisa de nombres, apellidos, números de documento, fechas y otros datos relevantes
• Preprocesamiento de imágenes adaptado específicamente a DNI españoles
• Detección por regiones específicas para mayor precisión
• Análisis contextual para mejorar la precisión en campos críticos
• Combinación de OCR local (Tesseract) con API de OpenAI para resultados óptimos

• Python 3.7 o superior
• Tesseract OCR 5.0 o superior (con soporte para idioma español)
• Bibliotecas Python: pytesseract, opencv-python, numpy, pillow, python-dateutil, python-dotenv

1. Descargar el instalador desde UB Mannheim Tesseract
2. Durante la instalación, seleccionar "Spanish" en la lista de idiomas adicionales
3. Agregar Tesseract a la variable de entorno PATH (normalmente: C:\Program Files\Tesseract-OCR)

sudo apt update sudo apt install tesseract-ocr sudo apt install tesseract-ocr-spa

brew install tesseract brew install tesseract-lang

pip install pytesseract pillow opencv-python python-dateutil python-dotenv

Crear un archivo .env en el directorio raíz con las siguientes variables:

OPENAI_API_KEY=tu_clave_de_api_aquí 

fromIDAnalyzerimportprocess_dni_image# Procesar una imagen de DNI con OpenAIresultado=process_dni_image("ruta/a/tu/imagen_dni.jpg", use_openai=True) print(resultado) # Procesar utilizando solo análisis local sin OpenAIresultado_local=process_dni_image("ruta/a/tu/imagen_dni.jpg", use_openai=False) print(resultado_local)

El resultado será un diccionario con los siguientes campos:

{"Nombre": "NOMBRE_PERSONA", "Apellido": "APELLIDOS_PERSONA", "Documento": "12345678A", "FechaDeNacimiento": "01/01/1990", "TipoDocumento": "DNI", "Sexo": "M", "Nacionalidad": "ESP", "FechaValidez": "01/01/2030" }

Modificar la línea en IDAnalyzer.py:

pytesseract.pytesseract.tesseract_cmd=r'C:\Program Files\Tesseract-OCR\tesseract.exe'# Ajustar a tu ruta

Verificar que los archivos de idioma español estén correctamente instalados:

• Windows: Carpeta tessdata dentro del directorio de instalación de Tesseract
• Linux: /usr/share/tesseract-ocr/4.00/tessdata/
• macOS: /usr/local/share/tessdata/

El archivo spa.traineddata debe estar presente.

Para mejorar el reconocimiento:

1. Utilizar imágenes de alta resolución (mínimo 300 DPI)
2. Asegurar iluminación uniforme sin sombras o reflejos
3. Capturar la imagen con el DNI completamente visible y sin inclinación

Este proyecto es de código abierto bajo la licencia MIT.