Magyar OCR C# és .NET nyelven

A dokumentum további verziói:

Az IronOCR egy C# szoftverkomponens, amely lehetővé teszi a .NET-kódolók számára, hogy 126 nyelven olvassák el a képek és a PDF dokumentumok szövegét, beleértve a magyar nyelvet is.

Ez a Tesseract fejlett villája, amelyet kizárólag a .NET fejlesztők számára fejlesztettek ki, és a sebesség és a pontosság szempontjából is rendszeresen felülmúlja a többi Tesseract motort.

Az IronOcr tartalma. Nyelvek. Magyar

Ez a csomag 52 OCR nyelvet tartalmaz a .NET számára:

Magyar
HungarianBest
HungarianFast

Letöltés

Magyar Nyelvcsomag [magyar]
* Download as Postai irányítószám
* Install with https://www.nuget.org/packages/IronOcr.Languages.Hungarian/ NuGet

Telepítés

Az első dolog, amit meg kell tennünk, telepítenie kell a magyar OCR csomagunkat a .NET projektjébe.

PM> Install-Package IronOCR.Languages.Hungarian

Kódpélda

Ez a C# kód példa magyar nyelvű szöveget olvas le egy Image vagy PDF dokumentumról.

// Add the IronOcr namespace to use the OCR functionality.
using IronOcr;

var Ocr = new IronTesseract();
// Set the language to Hungarian for OCR processing
Ocr.Language = OcrLanguage.Hungarian;

// Use a using statement to properly dispose of the OcrInput 
using (var Input = new OcrInput(@"images\Hungarian.png"))
{
    // Read the text from the input image
    var Result = Ocr.Read(Input);
    // Store the extracted text
    var AllText = Result.Text;
    // Output the text or use it as needed
    Console.WriteLine(AllText);
}

// Add the IronOcr namespace to use the OCR functionality.
using IronOcr;

var Ocr = new IronTesseract();
// Set the language to Hungarian for OCR processing
Ocr.Language = OcrLanguage.Hungarian;

// Use a using statement to properly dispose of the OcrInput 
using (var Input = new OcrInput(@"images\Hungarian.png"))
{
    // Read the text from the input image
    var Result = Ocr.Read(Input);
    // Store the extracted text
    var AllText = Result.Text;
    // Output the text or use it as needed
    Console.WriteLine(AllText);
}

' Add the IronOcr namespace to use the OCR functionality.
Imports IronOcr

Private Ocr = New IronTesseract()
' Set the language to Hungarian for OCR processing
Ocr.Language = OcrLanguage.Hungarian

' Use a using statement to properly dispose of the OcrInput 
Using Input = New OcrInput("images\Hungarian.png")
	' Read the text from the input image
	Dim Result = Ocr.Read(Input)
	' Store the extracted text
	Dim AllText = Result.Text
	' Output the text or use it as needed
	Console.WriteLine(AllText)
End Using

$vbLabelText $csharpLabel

Miért válassza az IronOCR-t?

Az IronOCR egy könnyen telepíthető, teljes és jól dokumentált .NET szoftverkönyvtár.

Válassza az IronOCR lehetőséget, ha 99,8% + OCR pontosságot szeretne elérni, anélkül, hogy bármilyen külső webszolgáltatást, folyamatos díjakat vagy bizalmas dokumentumokat küldene az interneten.

Miért választják a C# fejlesztők az IronOCR-t a Vanilla Tesseract helyett:

Telepítés egyetlen DLL-ként vagy NuGet-ként
A dobozból kivéve a Tesseract 5, 4 és 3 motorokat.
A pontosság 99,8% -kal jelentősen felülmúlja a szokásos Tesseractot.
Lángoló sebesség és MultiThreading
Kompatibilis az MVC, a WebApp, az asztali, a konzol és a kiszolgálóalkalmazásokkal
Nincs Exes vagy C++ kód, amellyel működhetne
Teljes PDF OCR támogatás
Szinte bármilyen képfájl vagy PDF OCR végrehajtásához
Teljes .NET Core, Standard és FrameWork támogatás
Telepítse Windows, Mac, Linux, Azure, Docker, Lambda, AWS rendszereken
Olvassa el a vonalkódokat és a QR-kódokat
Exportálja az OCR-t XHTML-be
Exportálja az OCR-t kereshető PDF dokumentumokba
Többszálas támogatás
126 nemzetközi nyelv, mindezeket NuGet vagy OcrData fájlokon keresztül kezelik
Kivonat képek, koordináták, statisztikák és betűtípusok. Nem csak szöveg.
Használható a Tesseract OCR terjesztésére kereskedelmi és saját alkalmazásokban.

A vas OCR akkor világít, ha valós képekkel és tökéletlen dokumentumokkal dolgozik, például fényképekkel, vagy alacsony felbontású beolvasásokkal, amelyek digitális zajjal vagy tökéletlenséggel járhatnak.

A .NET platform egyéb ingyenes OCR könyvtárai, mint például a .net tesseract API-k és a webszolgáltatások, nem teljesítenek ilyen jól a valós világban.

OCR a Tesseract 5-tel - Kezdje a kódolást C#-ben

Az alábbi kódminta megmutatja, hogy a C# vagy a VB .NET használatával milyen könnyen olvasható szöveg egy képből.

Egysoros

// Read text directly from an image with a single line of code
string Text = new IronTesseract().Read(@"img\Screenshot.png").Text;

// Read text directly from an image with a single line of code
string Text = new IronTesseract().Read(@"img\Screenshot.png").Text;

' Read text directly from an image with a single line of code
Dim Text As String = (New IronTesseract()).Read("img\Screenshot.png").Text

$vbLabelText $csharpLabel

Konfigurálható Hello World

// Importing IronOcr library
using IronOcr;

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
// Set the language to Hungarian
Ocr.Language = OcrLanguage.Hungarian;

// Using a using statement to ensure resources are properly disposed
using (var Input = new OcrInput())
{
    // Add an image to the OCR input
    Input.AddImage("images/sample.jpeg");
    // ... you can add as many images as you want

    // Perform OCR and retrieve the result
    var Result = Ocr.Read(Input);

    // Print the OCR result text
    Console.WriteLine(Result.Text);
}

// Importing IronOcr library
using IronOcr;

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
// Set the language to Hungarian
Ocr.Language = OcrLanguage.Hungarian;

// Using a using statement to ensure resources are properly disposed
using (var Input = new OcrInput())
{
    // Add an image to the OCR input
    Input.AddImage("images/sample.jpeg");
    // ... you can add as many images as you want

    // Perform OCR and retrieve the result
    var Result = Ocr.Read(Input);

    // Print the OCR result text
    Console.WriteLine(Result.Text);
}

' Importing IronOcr library
Imports IronOcr

' Initialize IronTesseract for OCR processing
Private Ocr = New IronTesseract()
' Set the language to Hungarian
Ocr.Language = OcrLanguage.Hungarian

' Using a using statement to ensure resources are properly disposed
Using Input = New OcrInput()
	' Add an image to the OCR input
	Input.AddImage("images/sample.jpeg")
	' ... you can add as many images as you want

	' Perform OCR and retrieve the result
	Dim Result = Ocr.Read(Input)

	' Print the OCR result text
	Console.WriteLine(Result.Text)
End Using

$vbLabelText $csharpLabel

C# PDF OCR

Ugyanez a megközelítés hasonlóan alkalmazható bármilyen PDF dokumentum szövegének kinyerésére.

// Initialize IronTesseract for PDF OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to handle OcrInput disposal
using (var input = new OcrInput())
{
    // Add PDF to the input; specify password if needed
    input.AddPdf("example.pdf", "password");
    // Kiválaszthatunk konkrét PDF oldalszámokat is az OCR számára

    // Perform OCR on the input
    var Result = Ocr.Read(input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
    // Output the number of pages processed
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // 1 oldal a PDF minden oldalához
}

// Initialize IronTesseract for PDF OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to handle OcrInput disposal
using (var input = new OcrInput())
{
    // Add PDF to the input; specify password if needed
    input.AddPdf("example.pdf", "password");
    // Kiválaszthatunk konkrét PDF oldalszámokat is az OCR számára

    // Perform OCR on the input
    var Result = Ocr.Read(input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
    // Output the number of pages processed
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // 1 oldal a PDF minden oldalához
}

' Initialize IronTesseract for PDF OCR
Dim Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement to handle OcrInput disposal
Using input = New OcrInput()
	' Add PDF to the input; specify password if needed
	input.AddPdf("example.pdf", "password")
	' Kiválaszthatunk konkrét PDF oldalszámokat is az OCR számára

	' Perform OCR on the input
	Dim Result = Ocr.Read(input)

	' Output the OCR result text
	Console.WriteLine(Result.Text)
	' Output the number of pages processed
	Console.WriteLine($"{Result.Pages.Count()} Pages")
	' 1 oldal a PDF minden oldalához
End Using

$vbLabelText $csharpLabel

OCR többoldalas TIFF-ekhez

OCR TIFF fájlformátum olvasása, többoldalas dokumentumokkal együtt. A TIFF közvetlenül konvertálható kereshető szöveget tartalmazó PDF fájlokká is.

using IronOcr;

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing resources
using (var Input = new OcrInput())
{
    // Add multi-frame TIFF file for OCR
    Input.AddMultiFrameTiff("multi - frame.tiff");

    // Perform OCR and retrieve the result
    var Result = Ocr.Read(Input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing resources
using (var Input = new OcrInput())
{
    // Add multi-frame TIFF file for OCR
    Input.AddMultiFrameTiff("multi - frame.tiff");

    // Perform OCR and retrieve the result
    var Result = Ocr.Read(Input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize IronTesseract for OCR processing
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement for managing resources
Using Input = New OcrInput()
	' Add multi-frame TIFF file for OCR
	Input.AddMultiFrameTiff("multi - frame.tiff")

	' Perform OCR and retrieve the result
	Dim Result = Ocr.Read(Input)

	' Output the OCR result text
	Console.WriteLine(Result.Text)
End Using

$vbLabelText $csharpLabel

Vonalkódok és QR

Az IronOCR egyedülálló tulajdonsága, hogy vonalkódokat és QR-kódokat tud olvasni a dokumentumokból, miközben szöveget keres. Az OcrResult.OcrBarcode osztály OcrResult.OcrBarcode részletes információkat nyújtanak a fejlesztőnek az egyes beolvasott vonalkódokról.

// Importing IronOcr library
using IronOcr;

// Initialize IronTesseract with barcode reading enabled
var Ocr = new IronTesseract();
Ocr.Configuration.ReadBarCodes = true;

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add an image containing a barcode
    input.AddImage("img/Barcode.png");

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Iterate through each barcode found and print its value
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
        // Típus és elhelyezkedés tulajdonságai is ki vannak téve
    }
}

// Importing IronOcr library
using IronOcr;

// Initialize IronTesseract with barcode reading enabled
var Ocr = new IronTesseract();
Ocr.Configuration.ReadBarCodes = true;

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add an image containing a barcode
    input.AddImage("img/Barcode.png");

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Iterate through each barcode found and print its value
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
        // Típus és elhelyezkedés tulajdonságai is ki vannak téve
    }
}

' Importing IronOcr library
Imports IronOcr

' Initialize IronTesseract with barcode reading enabled
Private Ocr = New IronTesseract()
Ocr.Configuration.ReadBarCodes = True

' Using statement for managing input resources
Using input = New OcrInput()
	' Add an image containing a barcode
	input.AddImage("img/Barcode.png")

	' Perform OCR operation
	Dim Result = Ocr.Read(input)

	' Iterate through each barcode found and print its value
	For Each Barcode In Result.Barcodes
		Console.WriteLine(Barcode.Value)
		' Típus és elhelyezkedés tulajdonságai is ki vannak téve
	Next Barcode
End Using

$vbLabelText $csharpLabel

OCR a képek meghatározott területein

Az IronOCR összes szkennelési és olvasási módja lehetővé teszi, hogy pontosan meghatározzuk az oldal vagy oldalak mely részéből szeretnénk szöveget olvasni. Ez nagyon hasznos, ha szabványosított űrlapokat vizsgálunk, és nagyon sok időt takaríthat meg, és javíthatja a hatékonyságot.

A vágási régiók használatához hozzá kell adnunk egy rendszer hivatkozást a System.Drawing, hogy használhassuk a System.Drawing.Rectangle objektumot.

using IronOcr;
using System.Drawing; // For defining the rectangle area

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to ensure disposal of resources
using (var Input = new OcrInput())
{
    // Define a rectangular region for OCR scanning
    var ContentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };
    // A méretek px-ben vannak megadva

    // Add the image and specify the region for OCR
    Input.Add("document.png", ContentArea);

    // Perform the OCR operation
    var Result = Ocr.Read(Input);

    // Output the result from the specified area
    Console.WriteLine(Result.Text);
}

using IronOcr;
using System.Drawing; // For defining the rectangle area

// Initialize IronTesseract for OCR processing
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to ensure disposal of resources
using (var Input = new OcrInput())
{
    // Define a rectangular region for OCR scanning
    var ContentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };
    // A méretek px-ben vannak megadva

    // Add the image and specify the region for OCR
    Input.Add("document.png", ContentArea);

    // Perform the OCR operation
    var Result = Ocr.Read(Input);

    // Output the result from the specified area
    Console.WriteLine(Result.Text);
}

Imports IronOcr
Imports System.Drawing ' For defining the rectangle area

' Initialize IronTesseract for OCR processing
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement to ensure disposal of resources
Using Input = New OcrInput()
	' Define a rectangular region for OCR scanning
	Dim ContentArea = New Rectangle() With {
		.X = 215,
		.Y = 1250,
		.Height = 280,
		.Width = 1335
	}
	' A méretek px-ben vannak megadva

	' Add the image and specify the region for OCR
	Input.Add("document.png", ContentArea)

	' Perform the OCR operation
	Dim Result = Ocr.Read(Input)

	' Output the result from the specified area
	Console.WriteLine(Result.Text)
End Using

$vbLabelText $csharpLabel

OCR alacsony minőségű vizsgálatokhoz

Az IronOCR OcrInput osztály javíthatja azokat a beolvasásokat, amelyeket a normál Tesseract nem tud olvasni.

using IronOcr;

// Initialize IronTesseract for OCR with low-quality image handling
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to handle Input disposal
using (var Input = new OcrInput(@"img\Potter.LowQuality.tiff"))
{
    // Improve image quality: DeNoise reduces digital noise
    Input.DeNoise();
    // Deskew corrects rotation and perspective issues
    Input.Deskew();

    // Perform OCR on the input
    var Result = Ocr.Read(Input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize IronTesseract for OCR with low-quality image handling
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to handle Input disposal
using (var Input = new OcrInput(@"img\Potter.LowQuality.tiff"))
{
    // Improve image quality: DeNoise reduces digital noise
    Input.DeNoise();
    // Deskew corrects rotation and perspective issues
    Input.Deskew();

    // Perform OCR on the input
    var Result = Ocr.Read(Input);

    // Output the OCR result text
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize IronTesseract for OCR with low-quality image handling
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement to handle Input disposal
Using Input = New OcrInput("img\Potter.LowQuality.tiff")
	' Improve image quality: DeNoise reduces digital noise
	Input.DeNoise()
	' Deskew corrects rotation and perspective issues
	Input.Deskew()

	' Perform OCR on the input
	Dim Result = Ocr.Read(Input)

	' Output the OCR result text
	Console.WriteLine(Result.Text)
End Using

$vbLabelText $csharpLabel

Exportálja az OCR-eredményeket kereshető PDF-fájlként

Kép PDF-be másolható szöveges karakterláncokkal. Keresőmotorok és adatbázisok indexelhetik.

using IronOcr;

// Initialize IronTesseract for OCR PDF conversion
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing OcrInput resources
using (var Input = new OcrInput())
{
    // Set the title for the PDF document
    Input.Title = "Quarterly Report";
    // Add images to be included in the PDF
    Input.AddImage("image1.jpeg");
    Input.AddImage("image2.png");
    Input.AddImage("image3.gif");

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

// Initialize IronTesseract for OCR PDF conversion
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing OcrInput resources
using (var Input = new OcrInput())
{
    // Set the title for the PDF document
    Input.Title = "Quarterly Report";
    // Add images to be included in the PDF
    Input.AddImage("image1.jpeg");
    Input.AddImage("image2.png");
    Input.AddImage("image3.gif");

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

Imports IronOcr

' Initialize IronTesseract for OCR PDF conversion
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement for managing OcrInput resources
Using Input = New OcrInput()
	' Set the title for the PDF document
	Input.Title = "Quarterly Report"
	' Add images to be included in the PDF
	Input.AddImage("image1.jpeg")
	Input.AddImage("image2.png")
	Input.AddImage("image3.gif")

	' Perform OCR and save the result as a searchable PDF
	Dim Result = Ocr.Read(Input)
	Result.SaveAsSearchablePdf("searchable.pdf")
End Using

$vbLabelText $csharpLabel

TIFF - kereshető PDF-konvertálás

Konvertálja a TIFF dokumentumot (vagy bármilyen képfájl-csoportot) közvetlenül kereshető PDF-be, amelyet az intranet, a webhely és a Google keresőmotorjai indexelhetnek.

using IronOcr;

// Initialize IronTesseract for TIFF to PDF conversion
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing input resources
using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF to the OCR input
    Input.AddMultiFrameTiff("example.tiff");

    // Perform OCR, save as a searchable PDF
    var Result = Ocr.Read(Input).SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

// Initialize IronTesseract for TIFF to PDF conversion
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement for managing input resources
using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF to the OCR input
    Input.AddMultiFrameTiff("example.tiff");

    // Perform OCR, save as a searchable PDF
    var Result = Ocr.Read(Input).SaveAsSearchablePdf("searchable.pdf");
}

Imports IronOcr

' Initialize IronTesseract for TIFF to PDF conversion
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement for managing input resources
Using Input = New OcrInput()
	' Add a multi-frame TIFF to the OCR input
	Input.AddMultiFrameTiff("example.tiff")

	' Perform OCR, save as a searchable PDF
	Dim Result = Ocr.Read(Input).SaveAsSearchablePdf("searchable.pdf")
End Using

$vbLabelText $csharpLabel

Exportálja az OCR eredményeket HTML formátumban

OCR kép XHTML konvertálás.

using IronOcr;

// Initialize IronTesseract for OCR to HTML
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to manage input resources
using (var Input = new OcrInput())
{
    // Set the HTML title
    Input.Title = "Html Title";
    // Add images to be OCR processed
    Input.AddImage("image1.jpeg");

    // Conduct OCR and save results as an XHTML file
    var Result = Ocr.Read(Input);
    Result.SaveAsHocrFile("results.html");
}

using IronOcr;

// Initialize IronTesseract for OCR to HTML
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Using statement to manage input resources
using (var Input = new OcrInput())
{
    // Set the HTML title
    Input.Title = "Html Title";
    // Add images to be OCR processed
    Input.AddImage("image1.jpeg");

    // Conduct OCR and save results as an XHTML file
    var Result = Ocr.Read(Input);
    Result.SaveAsHocrFile("results.html");
}

Imports IronOcr

' Initialize IronTesseract for OCR to HTML
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Using statement to manage input resources
Using Input = New OcrInput()
	' Set the HTML title
	Input.Title = "Html Title"
	' Add images to be OCR processed
	Input.AddImage("image1.jpeg")

	' Conduct OCR and save results as an XHTML file
	Dim Result = Ocr.Read(Input)
	Result.SaveAsHocrFile("results.html")
End Using

$vbLabelText $csharpLabel

OCR képjavító szűrők

Az IronOCR egyedülálló szűrőket biztosít az OcrInput objektumokhoz az OCR teljesítményének javítása érdekében.

Képjavító kód példa

Az OCR bemeneti képeket jobb minőségűvé teszi, hogy jobb, gyorsabb OCR eredményeket hozzon létre.

using IronOcr;

// Initialize IronTesseract for OCR operation
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Manage the input resource with a using statement
using (var Input = new OcrInput(@"LowQuality.jpeg"))
{
    // Improve image quality: DeNoise and Deskew
    Input.DeNoise(); // Reduces noise
    Input.Deskew();  // Corrects skewing

    // Perform OCR and obtain the result
    var Result = Ocr.Read(Input);

    // Output the OCR text result
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize IronTesseract for OCR operation
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;

// Manage the input resource with a using statement
using (var Input = new OcrInput(@"LowQuality.jpeg"))
{
    // Improve image quality: DeNoise and Deskew
    Input.DeNoise(); // Reduces noise
    Input.Deskew();  // Corrects skewing

    // Perform OCR and obtain the result
    var Result = Ocr.Read(Input);

    // Output the OCR text result
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize IronTesseract for OCR operation
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian

' Manage the input resource with a using statement
Using Input = New OcrInput("LowQuality.jpeg")
	' Improve image quality: DeNoise and Deskew
	Input.DeNoise() ' Reduces noise
	Input.Deskew() ' Corrects skewing

	' Perform OCR and obtain the result
	Dim Result = Ocr.Read(Input)

	' Output the OCR text result
	Console.WriteLine(Result.Text)
End Using

$vbLabelText $csharpLabel

OCR képszűrők listája

Az OCR teljesítményének növelése érdekében az IronOCR-be beépített bemeneti szűrők a következők:

OcrInput.Rotate (double degrees) - A képeket több fokkal elforgatja az óramutató járásával megegyező irányba. Az óramutató járásával ellentétes irányba használjon negatív számokat.
OcrInput.Binarize () - Ez a képszűrő minden képpontot fekete vagy fehér színűvé tesz, középút nélkül. Javíthatja az OCR-teljesítmény eseteit, amikor a szöveg nagyon alacsony kontrasztú a háttérrel.
OcrInput.ToGrayScale () - Ez a képszűrő minden pixelt szürkeárnyalatos árnyalattá alakít. Nem valószínű, hogy javítja az OCR pontosságát, de javíthatja a sebességet.
OcrInput.Contrast () - Automatikusan növeli a kontrasztot. Ez a szűrő alacsony kontrasztú szkenneléseknél gyakran javítja az OCR sebességét és pontosságát.
OcrInput.DeNoise () - Eltávolítja a digitális zajt. Ezt a szűrőt csak ott szabad használni, ahol zaj várható.
OcrInput.Invert () - Minden színt megfordít. Pl. A fehér feketévé válik: a fekete fehérré válik.
OcrInput.Dilate () - Haladó morfológia. A tágulás pixeleket ad hozzá a képen lévő objektumok határaihoz. Erode-val szemben.
OcrInput.Erode () - Haladó morfológia. Az erózió eltávolítja a képpontokat az objektumhatárokon.
OcrInput.Deskew () - Elforgat egy képet, így az a helyes út felfelé és merőleges. Ez nagyon hasznos az OCR esetében, mert a ferde beolvasások Tesseract toleranciája akár 5 fok is lehet.
OcrInput.DeepCleanBackgroundNoise () - Erős háttérzaj eltávolítás. Csak akkor használja ezt a szűrőt, ha szélsőséges dokumentum háttérzaj ismert, mert ez a szűrő a tiszta dokumentumok OCR-pontosságának csökkenését is megkockáztathatja, és nagyon CPU-költséges.
OcrInput.EnhanceResolution - Fokozza az alacsony minőségű képek felbontását. Erre a szűrőre gyakran nincs szükség, mert az OcrInput.MinimumDPI és az OcrInput.TargetDPI automatikusan elkapja és megoldja az alacsony felbontású bemeneteket.

CleanBackgroundNoise. Ez egy kissé időigényes beállítás; ugyanakkor lehetővé teszi a könyvtár számára, hogy automatikusan megtisztítsa a digitális zajt, a papír gyűrődéseit és egyéb hiányosságait egy digitális képen belül, ami egyébként képtelenné tenné a többi OCR könyvtár olvasására.

Az EnhanceContrast egy olyan beállítás, amely miatt az IronOCR automatikusan megnöveli a szöveg kontrasztját a kép hátterében, növelve az OCR pontosságát, és általában növelve az OCR teljesítményét és sebességét.

Az EnhanceResolution egy olyan beállítás, amely automatikusan észleli az alacsony felbontású (275 dpi alatti) képeket, automatikusan felnagyítja a képet, majd az egész szöveget élesíti, hogy az OCR könyvtár tökéletesen olvasható legyen. Bár ez a művelet önmagában időigényes, általában csökkenti a kép OCR-műveletének teljes idejét.

Nyelv IronOCR 22 nemzetközi nyelvcsomagot támogat, és a nyelvi beállítással kiválasztható egy vagy több nyelv, amelyet alkalmazni kell egy OCR művelethez.

Stratégia Az IronOCR két stratégiát támogat. Választhatunk egy gyors és kevésbé pontos dokumentum-beolvasást, vagy egy olyan fejlett stratégiát használunk, amely néhány mesterséges intelligencia-modellt használ az OCR-szöveg pontosságának automatikus javításához azáltal, hogy a szavak statisztikai viszonyát egy mondatban vizsgálja.

A ColorSpace egy olyan beállítás, amellyel választhatunk szürkeárnyalatos vagy színes OCR-t. Általában a szürkeárnyalatos a legjobb megoldás. Azonban néha, ha vannak hasonló árnyalatú, de nagyon eltérő színű szövegek vagy hátterek, akkor a színes színtér jobb eredményt nyújt.

DetectWhiteTextOnDarkBackgrounds. Általában az összes OCR könyvtár arra számít, hogy fehér alapon fekete szöveget lát. Ez a beállítás lehetővé teszi, hogy az IronOCR automatikusan felismerje a negatívokat vagy a fehér szövegű sötét oldalakat, és elolvassa azokat.

InputImageType. Ez a beállítás lehetővé teszi a fejlesztő számára, hogy irányítsa az OCR könyvtárat abban, hogy teljes dokumentumot vagy részletet, például képernyőképet néz.

A RotateAndStraighten egy olyan speciális beállítás, amely lehetővé teszi az IronOCR számára azt az egyedülálló képességet, hogy elolvassa azokat a dokumentumokat, amelyek nemcsak el vannak forgatva, de esetleg perspektívát is tartalmaznak, például a szöveges dokumentumok fényképeit.

A ReadBarcodes egy hasznos szolgáltatás, amely lehetővé teszi az IronOCR számára, hogy automatikusan olvassa a vonalkódokat és a QR-kódokat az oldalakon, miközben szövegeket is olvas, anélkül, hogy további jelentős időterhelést jelentene.

Színmélység. Ez a beállítás határozza meg, hogy az OCR-könyvtár pixelenként hány bitet használjon a szín mélységének meghatározásához. A nagyobb színmélység növelheti az OCR minőségét, de megnöveli az OCR művelet befejezéséhez szükséges időt is.

126 Nyelvcsomagok

Az IronOCR 126 nemzetközi nyelvet támogat nyelvcsomagokon keresztül, amelyeket DLL-ként terjesztenek, amelyek letölthetők erről a webhelyről, vagy a NuGet Package Manager-ből.

Nyelvek: német, francia, angol, kínai, japán és még sok más. Speciális nyelvi csomagok léteznek az MRZ útlevélhez, a MICR ellenőrzésekhez, a pénzügyi adatokhoz, a rendszámokhoz és még sok máshoz. Használhat bármilyen tesseract ".traineddata" fájlt is, beleértve azokat is, amelyeket maga készített.

Nyelv példa

Egyéb OCR nyelvek használata.

// using IronOcr;
// Import the Arabic language package using NuGet: PM> Install IronOcr.Languages.Arabic

// Initialize IronTesseract with Arabic language for OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Arabic;

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add an image with Arabic text for OCR
    input.AddImage("img/arabic.gif");

    // Optionally apply image filters here for better recognition
    // Even with low quality input, IronTesseract can outperform traditional Tesseract

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Because the console might not easily print Arabic on Windows, save it to a file instead
    Result.SaveAsTextFile("arabic.txt");
}

// using IronOcr;
// Import the Arabic language package using NuGet: PM> Install IronOcr.Languages.Arabic

// Initialize IronTesseract with Arabic language for OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Arabic;

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add an image with Arabic text for OCR
    input.AddImage("img/arabic.gif");

    // Optionally apply image filters here for better recognition
    // Even with low quality input, IronTesseract can outperform traditional Tesseract

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Because the console might not easily print Arabic on Windows, save it to a file instead
    Result.SaveAsTextFile("arabic.txt");
}

' using IronOcr;
' Import the Arabic language package using NuGet: PM> Install IronOcr.Languages.Arabic

' Initialize IronTesseract with Arabic language for OCR
Dim Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Arabic

' Using statement for managing input resources
Using input = New OcrInput()
	' Add an image with Arabic text for OCR
	input.AddImage("img/arabic.gif")

	' Optionally apply image filters here for better recognition
	' Even with low quality input, IronTesseract can outperform traditional Tesseract

	' Perform OCR operation
	Dim Result = Ocr.Read(input)

	' Because the console might not easily print Arabic on Windows, save it to a file instead
	Result.SaveAsTextFile("arabic.txt")
End Using

$vbLabelText $csharpLabel

Többnyelvű példa

Lehetőség van OCR egyszerre több nyelv használatával is. Ez valóban segíthet az angol nyelvű metaadatok és URL-ek megszerzésében az Unicode dokumentumokban.

// using IronOcr;
// Install additional language package using NuGet: PM> Install IronOcr.Languages.ChineseSimplified

// Initialize IronTesseract with a primary language
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.ChineseSimplified;

// Add a secondary language for dual-language OCR capability
Ocr.AddSecondaryLanguage(OcrLanguage.Hungarian);

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add a document that contains multiple languages
    input.Add("multi - language.pdf");

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Save OCR text result to a file
    Result.SaveAsTextFile("results.txt");
}

// using IronOcr;
// Install additional language package using NuGet: PM> Install IronOcr.Languages.ChineseSimplified

// Initialize IronTesseract with a primary language
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.ChineseSimplified;

// Add a secondary language for dual-language OCR capability
Ocr.AddSecondaryLanguage(OcrLanguage.Hungarian);

// Using statement for managing input resources
using (var input = new OcrInput())
{
    // Add a document that contains multiple languages
    input.Add("multi - language.pdf");

    // Perform OCR operation
    var Result = Ocr.Read(input);

    // Save OCR text result to a file
    Result.SaveAsTextFile("results.txt");
}

' using IronOcr;
' Install additional language package using NuGet: PM> Install IronOcr.Languages.ChineseSimplified

' Initialize IronTesseract with a primary language
Dim Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.ChineseSimplified

' Add a secondary language for dual-language OCR capability
Ocr.AddSecondaryLanguage(OcrLanguage.Hungarian)

' Using statement for managing input resources
Using input = New OcrInput()
	' Add a document that contains multiple languages
	input.Add("multi - language.pdf")

	' Perform OCR operation
	Dim Result = Ocr.Read(input)

	' Save OCR text result to a file
	Result.SaveAsTextFile("results.txt")
End Using

$vbLabelText $csharpLabel

Részletes OCR eredmények objektumok

A Vas OCR minden OCR művelethez OCR eredmény objektumot ad vissza. A fejlesztők általában csak az objektum szövegtulajdonságát használják a képről beolvasott szöveg lekérésére. Az OCR eredmények DOM azonban ennél sokkal fejlettebb.

using IronOcr;
using System.Drawing; // Add a reference for Rectangle usage

// Initialize IronTesseract with specific configuration
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;
Ocr.Configuration.EngineMode = TesseractEngineMode.TesseractAndLstm;
// Enable barcode reading
Ocr.Configuration.ReadBarCodes = true;

// Using statement to manage input resources
using (var Input = new OcrInput(@"images\sample.tiff"))
{
    // Read the input image and get the OCR result object
    OcrResult Result = Ocr.Read(Input);

    // Access detailed API with pages, words, barcodes, etc.
    var Pages = Result.Pages;
    var Words = Pages[0].Words;
    var Barcodes = Result.Barcodes;

    // Explore the robust detailed API for:
    // - Pages, Blocks, Paragraphs, Lines, Words, Characters
    // - Image Export, Font Coordinates, Statistical data
}

using IronOcr;
using System.Drawing; // Add a reference for Rectangle usage

// Initialize IronTesseract with specific configuration
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.Hungarian;
Ocr.Configuration.EngineMode = TesseractEngineMode.TesseractAndLstm;
// Enable barcode reading
Ocr.Configuration.ReadBarCodes = true;

// Using statement to manage input resources
using (var Input = new OcrInput(@"images\sample.tiff"))
{
    // Read the input image and get the OCR result object
    OcrResult Result = Ocr.Read(Input);

    // Access detailed API with pages, words, barcodes, etc.
    var Pages = Result.Pages;
    var Words = Pages[0].Words;
    var Barcodes = Result.Barcodes;

    // Explore the robust detailed API for:
    // - Pages, Blocks, Paragraphs, Lines, Words, Characters
    // - Image Export, Font Coordinates, Statistical data
}

Imports IronOcr
Imports System.Drawing ' Add a reference for Rectangle usage

' Initialize IronTesseract with specific configuration
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.Hungarian
Ocr.Configuration.EngineMode = TesseractEngineMode.TesseractAndLstm
' Enable barcode reading
Ocr.Configuration.ReadBarCodes = True

' Using statement to manage input resources
Using Input = New OcrInput("images\sample.tiff")
	' Read the input image and get the OCR result object
	Dim Result As OcrResult = Ocr.Read(Input)

	' Access detailed API with pages, words, barcodes, etc.
	Dim Pages = Result.Pages
	Dim Words = Pages(0).Words
	Dim Barcodes = Result.Barcodes

	' Explore the robust detailed API for:
	' - Pages, Blocks, Paragraphs, Lines, Words, Characters
	' - Image Export, Font Coordinates, Statistical data
End Using

$vbLabelText $csharpLabel

Teljesítmény

Az IronOCR a dobozból működik, nincs szükség a bemeneti képek teljesítményének hangolására vagy erős módosítására.

A sebesség lángol: Az IronOcr.2020 + akár tízszer gyorsabb és több mint 250% -kal kevesebb hibát okoz, mint a korábbi buildek.

Tudj meg többet

Ha többet szeretne megtudni az OCR-ről C#, VB, F# vagy bármely más .NET nyelven, kérjük, olvassa el közösségi oktatóanyagainkat, amelyek valós példákat mutatnak be az IronOCR használatára, és megmutatják az árnyalatokat, hogyan lehet a legjobban kihozni ezt a könyvtárat.

A .NET fejlesztők számára teljes objektum-referencia is rendelkezésre áll.