Cómo Anonimizar Imágenes con Detección Basada en OCR

Cómo Funciona la Anonimización de Imágenes

La anonimización de imágenes en anonym.plus combina reconocimiento óptico de caracteres (OCR) con reconocimiento de entidades nombradas (NER) para detectar y redactar información de identificación personal directamente en imágenes. La canalización procesa cada imagen a través de una serie de etapas fuertemente integradas:

1. Carga de imagen y corrección EXIF. Cuando cargas una imagen, la aplicación lee sus metadatos de orientación EXIF y rota automáticamente la imagen a la orientación correcta. Las fotos tomadas en modo retrato o en ángulos inusuales se corrigen antes de que comience la extracción de texto.
2. Extracción de texto Tesseract OCR. La imagen corregida se pasa a Tesseract OCR, que extrae todo el texto visible junto con cuadros delimitadores a nivel de carácter. Cada carácter reconocido se asigna a sus coordenadas de píxel precisas en la imagen. Tesseract soporta 38 idiomas OCR, y seleccionas el idioma principal del texto para precisión óptima.
3. Detección de PII Presidio NER. El texto extraído se alimenta al motor Presidio NER, que identifica entidades PII como nombres de personas, direcciones de correo electrónico, números de teléfono, fechas, ubicaciones, IDs nacionales, números de tarjeta de crédito, y más basado en tu preset de detección seleccionado.
4. Relleno de cuadro delimitador y fusión. Cada entidad PII detectada se asigna de vuelta a los cuadros delimitadores a nivel de carácter del paso OCR. Los cuadros delimitadores se rellenan 4 píxeles en cada lado para asegurar cobertura completa. Los cuadros adyacentes para entidades de múltiples palabras (como nombres completos como "John Smith") se fusionan en una única región contigua.
5. Renderizado de cuadro de redacción. Se dibujan rectángulos de color sobre cada región PII detectada, cubriendo completamente el texto original en la imagen. Puedes configurar el color de relleno: negro, rojo, verde, azul, o gris. La salida siempre es una imagen PNG con PII visualmente redactada.

La canalización completa se ejecuta localmente en tu máquina. Ninguna imagen se carga a ningún servidor. La imagen original nunca se modifica — se crea una nueva copia redactada.

Formatos Soportados y Límites

anonym.plus soporta cuatro formatos de imagen para anonimización, cada uno con características específicas:

Límites de tamaño: El tamaño máximo de archivo es 10 MB. La resolución máxima es 25 megapíxeles. Las imágenes que exceden estos límites se rechazan con un mensaje de error claro. Toda salida se guarda como PNG independientemente del formato de entrada.

Guía Paso a Paso

Sigue estos pasos para anonimizar una imagen de principio a fin:

1. Abre la pestaña Imagen. Cambia a la pestaña Imagen en el panel de anonimización. La zona de colocación acepta archivos PNG, JPG, BMP y TIFF de hasta 10 MB.
2. Suelta una imagen. Arrastra y suelta tu imagen en la zona de colocación o haz clic para explorar. Una vez cargada, configura el color de relleno (negro, rojo, verde, azul, o gris), selecciona un preset de detección, y elige el idioma OCR que coincida con el texto en tu imagen.
3. Haz clic en Analizar. Tesseract OCR extrae todo el texto visible de la imagen con cuadros delimitadores a nivel de carácter. El motor Presidio NER entonces detecta entidades PII dentro del texto extraído y las asigna de vuelta a coordenadas de píxel.
4. Revisa entidades detectadas. Cada región PII detectada se resalta con un cuadro delimitador de color en la vista previa de imagen. Los distintivos del filtro de tipo de entidad con casillas de verificación te permiten activar/desactivar categorías completas — por ejemplo, desactiva todas las detecciones DATE_TIME si las fechas no son sensibles en tu contexto.
5. Haz clic en Redactar Seleccionado. La aplicación dibuja rectángulos de relleno de color sobre todas las regiones PII habilitadas, cubriendo permanentemente el texto original en la imagen de salida. Solo se redactan los tipos de entidades marcados.
6. Compara y guarda. Usa la comparación antes/después para verificar la cobertura de redacción. Haz clic en Guardar para descargar la imagen PNG redactada a tu sistema de archivos.

Consejos para Mejores Resultados

La calidad de anonimización de imágenes depende mucho de la precisión de OCR. Sigue estas directrices para maximizar la confiabilidad de detección:

• Usa capturas de pantalla, no fotos de cámara. Las capturas de pantalla de contenido digital producen mucho mejores resultados de OCR que fotos de pantallas, que sufren de patrones de moiré, reflejos, y contraste reducido.
• Selecciona el idioma OCR correcto. La selección incorrecta de idioma es la causa más común de resultados deficientes. Si tu imagen contiene texto alemán, selecciona Alemán — no Inglés.
• Usa 300+ DPI para escaneos. Los documentos escaneados deben ser al menos 300 DPI para extracción de texto confiable. Las imágenes por debajo de 150 DPI producen resultados significativamente degradados.
• Recorta al área de texto. Eliminar grandes regiones que no son texto (fotos, logos, espacios en blanco) acelera el procesamiento y reduce falsos positivos del ruido de fondo.
• Asegura buen contraste. El texto oscuro sobre un fondo claro funciona mejor. El bajo contraste entre texto y fondo reduce significativamente la precisión de OCR.

Limitaciones Conocidas

La anonimización de imágenes tiene limitaciones inherentes relacionadas con la tecnología OCR. Entender estas ayuda a establecer expectativas apropiadas:

Para cualquier tarea de anonimización de imágenes, siempre revisa las entidades detectadas antes de redactar. El paso de revisión te permite atrapar falsos positivos del ruido de OCR y falsos negativos donde se perdió PII.