iOS OCR-Bibliothek (Vergleich: kostenlos vs. kostenpflichtig)

Das dreistufige Inferenz-Setup

Um PaddleSharp für eine einfache Textextraktionsaufgabe einzurichten, müssen alle drei Modellstufen miteinander verbunden werden:

// Simplified — see Sdcb.PaddleOCR documentation for full API
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models;
using OpenCvSharp;

public class PaddleOcrService
{
    private readonly PaddleOcrAll _ocr;

    public PaddleOcrService()
    {
        // Three separate models, each downloaded independently
        var detModel = LocalFullModels.ChineseV3.DetectionModel;
        var clsModel = LocalFullModels.ChineseV3.ClassifierModel;
        var recModel = LocalFullModels.ChineseV3.RecognitionModel;

        // GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = new PaddleOcrAll(detModel, clsModel, recModel);
    }

    public string ExtractText(string imagePath)
    {
        // OpenCV required for image loading — not System.Drawing
        using var image = Cv2.ImRead(imagePath);
        var result = _ocr.Run(image);

        // Manual sort by position; no automatic reading-order guarantee
        return string.Join("\n", result.Regions
            .OrderBy(r => r.Rect.Center.Y)
            .ThenBy(r => r.Rect.Center.X)
            .Select(r => r.Text));
    }
}

// Simplified — see Sdcb.PaddleOCR documentation for full API
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models;
using OpenCvSharp;

public class PaddleOcrService
{
    private readonly PaddleOcrAll _ocr;

    public PaddleOcrService()
    {
        // Three separate models, each downloaded independently
        var detModel = LocalFullModels.ChineseV3.DetectionModel;
        var clsModel = LocalFullModels.ChineseV3.ClassifierModel;
        var recModel = LocalFullModels.ChineseV3.RecognitionModel;

        // GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = new PaddleOcrAll(detModel, clsModel, recModel);
    }

    public string ExtractText(string imagePath)
    {
        // OpenCV required for image loading — not System.Drawing
        using var image = Cv2.ImRead(imagePath);
        var result = _ocr.Run(image);

        // Manual sort by position; no automatic reading-order guarantee
        return string.Join("\n", result.Regions
            .OrderBy(r => r.Rect.Center.Y)
            .ThenBy(r => r.Rect.Center.X)
            .Select(r => r.Text));
    }
}

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models
Imports OpenCvSharp

Public Class PaddleOcrService
    Private ReadOnly _ocr As PaddleOcrAll

    Public Sub New()
        ' Three separate models, each downloaded independently
        Dim detModel = LocalFullModels.ChineseV3.DetectionModel
        Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel
        Dim recModel = LocalFullModels.ChineseV3.RecognitionModel

        ' GPU config: set GpuDeviceId = 0 and install CUDA runtime packages
        _ocr = New PaddleOcrAll(detModel, clsModel, recModel)
    End Sub

    Public Function ExtractText(imagePath As String) As String
        ' OpenCV required for image loading — not System.Drawing
        Using image = Cv2.ImRead(imagePath)
            Dim result = _ocr.Run(image)

            ' Manual sort by position; no automatic reading-order guarantee
            Return String.Join(vbLf, result.Regions _
                .OrderBy(Function(r) r.Rect.Center.Y) _
                .ThenBy(Function(r) r.Rect.Center.X) _
                .Select(Function(r) r.Text))
        End Using
    End Function
End Class

Der Konstruktor allein erledigt echte Arbeit: Er lädt die Modellbinaries von der Festplatte und initialisiert die Inferenz-Engine. Diese Initialisierungskosten fallen einmal pro PaddleOcrAll Instanz an, was das Objekt teuer in der Erstellung macht und ein sorgfältiges Lebenszyklusmanagement in dienstorientierten .NET-Anwendungen erfordert.

Detaillierter Funktionsvergleich

PaddleSharp-Ansatz

Die Abhängigkeitskette sieht in der Praxis folgendermaßen aus:

1. Baidu PaddlePaddle — das zugrunde liegende Deep-Learning-Framework. Modellformate und Inferenz-APIs werden hier definiert.
2. PaddleOCR — Baidus Modelltrainingsprojekt, das die Modellgewichte für Erkennung, Klassifizierung und Identifizierung erzeugt.
3. Sdcb.PaddleSharp — die .NET Bindungsschicht, die PaddleInference-native Bibliotheken aufruft und die Modelllade-API umschließt.

Jede Ebene hat ihren eigenen Veröffentlichungsrhythmus, ihre eigene Änderungshistorie und ihre eigene Community. Wenn Baidu die PaddlePaddle-Inferenz-APIs aktualisiert, muss die Bindungsschicht entsprechend angepasst werden. Ändert sich das Modellformat zwischen verschiedenen PaddleOCR-Versionen, müssen die Modell-Downloadpfade und der Ladecode in PaddleSharp aktualisiert werden. Für ein .NET Team sind diese Probleme unsichtbar, bis ein Deployment fehlschlägt.

Eine vereinfachte Darstellung der Initialisierungskosten:

// Simplified — see Sdcb.PaddleOCR documentation for full API
// This is not one line of setup; it represents several coordinated decisions:
// - Which model version to use (ChineseV3, V4, etc.)
// - Whether models are local files or downloaded on first use
// - Which inference backend (CPU, MKL, GPU)
// - Which OpenCvSharp runtime package matches the deployment OS

var detModel = LocalFullModels.ChineseV3.DetectionModel;  // Version-specific
var clsModel = LocalFullModels.ChineseV3.ClassifierModel; // Version-specific
var recModel = LocalFullModels.ChineseV3.RecognitionModel; // Version-specific

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// If a newer model format is released, these names and classes may change

// Simplified — see Sdcb.PaddleOCR documentation for full API
// This is not one line of setup; it represents several coordinated decisions:
// - Which model version to use (ChineseV3, V4, etc.)
// - Whether models are local files or downloaded on first use
// - Which inference backend (CPU, MKL, GPU)
// - Which OpenCvSharp runtime package matches the deployment OS

var detModel = LocalFullModels.ChineseV3.DetectionModel;  // Version-specific
var clsModel = LocalFullModels.ChineseV3.ClassifierModel; // Version-specific
var recModel = LocalFullModels.ChineseV3.RecognitionModel; // Version-specific

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// If a newer model format is released, these names and classes may change

' Simplified — see Sdcb.PaddleOCR documentation for full API
' This is not one line of setup; it represents several coordinated decisions:
' - Which model version to use (ChineseV3, V4, etc.)
' - Whether models are local files or downloaded on first use
' - Which inference backend (CPU, MKL, GPU)
' - Which OpenCvSharp runtime package matches the deployment OS

Dim detModel = LocalFullModels.ChineseV3.DetectionModel  ' Version-specific
Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel ' Version-specific
Dim recModel = LocalFullModels.ChineseV3.RecognitionModel ' Version-specific

Dim ocr As New PaddleOcrAll(detModel, clsModel, recModel)
' If a newer model format is released, these names and classes may change

Die Versionsabhängigkeit ist hier real. Teams, die auf Sdcb.PaddleOCR 2.x festgelegt sind und ein Upgrade benötigen, um neuere Modelle zugänglich zu machen, stehen API-Änderungen auf der Bindungsebene gegenüber. Die Upstream-Modelldateien sind zwischen den Hauptversionen von PaddleOCR nicht rückwärtskompatibel.

IronOCR-Ansatz

IronOCR liefert die Engine und alle Abhängigkeiten als NuGet Paket aus. Es gibt keine Modellversion zur Auswahl, kein Inferenz-Backend zur Konfiguration und keine sekundäre Bibliothek, die synchronisiert werden muss:

// One package: dotnet add package IronOcr
//Neinmodel downloads.NeinOpenCV.Neinruntime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var result = new IronTesseract().Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

// One package: dotnet add package IronOcr
//Neinmodel downloads.NeinOpenCV.Neinruntime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var result = new IronTesseract().Read("document.jpg");
Console.WriteLine(result.Text);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' One package: dotnet add package IronOcr
' Neinmodel downloads.NeinOpenCV.Neinruntime packages.
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Dim result = New IronTesseract().Read("document.jpg")
Console.WriteLine(result.Text)
Console.WriteLine($"Confidence: {result.Confidence}%")

Ein Upgrade von IronOCR erfordert lediglich eine Aktualisierung der NuGet Version. Die Änderungen an der API-Oberfläche sind in den Versionshinweisen dokumentiert, und die Abwärtskompatibilität innerhalb der Hauptversionen bleibt erhalten. Für Teams, die in CI/CD-Pipelines arbeiten, ist der Unterschied im Bereitstellungsbereich erheblich: ein Paket versus vier Pakete Plus plattformspezifische Laufzeitpakete Plus Modelldateien, die auf der Festplatte an den richtigen Pfaden vorhanden sein müssen.

Informationen zu den Konfigurationsoptionen finden Sie im IronTesseract-Setup-Leitfaden und eine vollständige Liste der akzeptierten Eingabequellen im Leitfaden zur Bildeingabe .

PaddleSharp-Ansatz

In PaddleSharp bedeutet das Umschalten der Sprache das Umschalten des Modellsatzes. Das Erkennungsmodell ist sprachspezifisch, und es gibt kein einfaches API-Flag – Sie instanziieren einen anderen Satz von Modellobjekten:

// Simplified — see Sdcb.PaddleOCR documentation for full API
// English model set (if available for your version)
// var recModel = LocalFullModels.EnglishV3.RecognitionModel;

// Chinese model set (primary supported use case)
var detModel = LocalFullModels.ChineseV3.DetectionModel;
var recModel = LocalFullModels.ChineseV3.RecognitionModel;
var clsModel = LocalFullModels.ChineseV3.ClassifierModel;

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// Non-CJK languages require checking upstream PaddleOCR model availability
// Mixed CJK + Latin in the same document may require model selection decisions

// Simplified — see Sdcb.PaddleOCR documentation for full API
// English model set (if available for your version)
// var recModel = LocalFullModels.EnglishV3.RecognitionModel;

// Chinese model set (primary supported use case)
var detModel = LocalFullModels.ChineseV3.DetectionModel;
var recModel = LocalFullModels.ChineseV3.RecognitionModel;
var clsModel = LocalFullModels.ChineseV3.ClassifierModel;

var ocr = new PaddleOcrAll(detModel, clsModel, recModel);
// Non-CJK languages require checking upstream PaddleOCR model availability
// Mixed CJK + Latin in the same document may require model selection decisions

' Simplified — see Sdcb.PaddleOCR documentation for full API
' English model set (if available for your version)
' Dim recModel = LocalFullModels.EnglishV3.RecognitionModel

' Chinese model set (primary supported use case)
Dim detModel = LocalFullModels.ChineseV3.DetectionModel
Dim recModel = LocalFullModels.ChineseV3.RecognitionModel
Dim clsModel = LocalFullModels.ChineseV3.ClassifierModel

Dim ocr = New PaddleOcrAll(detModel, clsModel, recModel)
' Non-CJK languages require checking upstream PaddleOCR model availability
' Mixed CJK + Latin in the same document may require model selection decisions

Für ein Team, das französische Rechnungen, deutsche Verträge oder arabische Formulare bearbeitet, geht es nicht nur darum, ob heute ein Musterpaket existiert – sondern auch darum, ob es im nächsten Jahr noch gepflegt wird und ob die englische Dokumentation zur Konfiguration existiert.

IronOCR-Ansatz

IronOCR bietet mehr als 125 Sprachen als NuGet Pakete an. Jedes Sprachpaket wird genau wie jede andere Abhängigkeit installiert und lässt sich ohne manuelle Dateibereitstellung in Standard-CI/CD-Pipelines integrieren:

// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.French
// dotnet add package IronOcr.Languages.Arabic

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English); // Mixed-language document

var result = ocr.Read("mixed-document.jpg");

// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.French
// dotnet add package IronOcr.Languages.Arabic

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.English); // Mixed-language document

var result = ocr.Read("mixed-document.jpg");

' dotnet add package IronOcr.Languages.ChineseSimplified
' dotnet add package IronOcr.Languages.French
' dotnet add package IronOcr.Languages.Arabic

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.English) ' Mixed-language document

Dim result = ocr.Read("mixed-document.jpg")

Der mehrsprachige Leitfaden deckt die gleichzeitige mehrsprachige Erkennung für Dokumente ab, die Skripte mischen — eine Fähigkeit, die keine Modellentscheidung erfordert, sondern nur einen AddSecondaryLanguage Aufruf.

Für Teams, deren Dokumente mehrere Sprachen umfassen oder deren Sprachanforderungen voraussichtlich über den anfänglichen Umfang hinauswachsen werden, ist ein Katalog mit 125 Sprachen, der durch gepflegte NuGet Pakete unterstützt wird, eine nachhaltigere Wahl als ein Satz von 10–20 Sprachen mit variablem Wartungsaufwand.

PaddleSharp-Ansatz

// Simplified — see Sdcb.PaddleOCR documentation for full API
// PaddleSharp has no PDF support — pages must be pre-converted to images
// Preprocessing (deskew, denoise) requires OpenCV operations:

using OpenCvSharp;

// Load image via OpenCV
using var image = Cv2.ImRead("scan.jpg");

// Manual grayscale conversion
using var gray = new Mat();
Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY);

// Manual threshold (binarization)
using var binary = new Mat();
Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary);

// Then pass to OCR engine
var result = _ocr.Run(binary);
// Each preprocessing step requires OpenCV knowledge
// PDF pages require a separate PDF-to-image conversion step first

// Simplified — see Sdcb.PaddleOCR documentation for full API
// PaddleSharp has no PDF support — pages must be pre-converted to images
// Preprocessing (deskew, denoise) requires OpenCV operations:

using OpenCvSharp;

// Load image via OpenCV
using var image = Cv2.ImRead("scan.jpg");

// Manual grayscale conversion
using var gray = new Mat();
Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY);

// Manual threshold (binarization)
using var binary = new Mat();
Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary);

// Then pass to OCR engine
var result = _ocr.Run(binary);
// Each preprocessing step requires OpenCV knowledge
// PDF pages require a separate PDF-to-image conversion step first

Imports OpenCvSharp

' Load image via OpenCV
Using image As Mat = Cv2.ImRead("scan.jpg")

    ' Manual grayscale conversion
    Using gray As New Mat()
        Cv2.CvtColor(image, gray, ColorConversionCodes.BGR2GRAY)

        ' Manual threshold (binarization)
        Using binary As New Mat()
            Cv2.Threshold(gray, binary, 128, 255, ThresholdTypes.Binary)

            ' Then pass to OCR engine
            Dim result = _ocr.Run(binary)
            ' Each preprocessing step requires OpenCV knowledge
            ' PDF pages require a separate PDF-to-image conversion step first
        End Using
    End Using
End Using

Das Schreiben dieser Vorverarbeitung ist für Teams mit OpenCV-Erfahrung machbar. Für Teams, die diese Möglichkeit nicht haben, ist die Lernkurve nicht trivial – OpenCV verfügt über eine breite API-Oberfläche und die Dokumentation ist größtenteils auf C++ ausgerichtet.

IronOCR-Ansatz

Die Vorverarbeitungspipeline von IronOCR benötigt keine externe Bibliothek. Dasselbe OcrInput Objekt, das Bilder akzeptiert, akzeptiert auch PDFs, und Vorverarbeitungsfilter sind einzelne Methodenaufrufe:

using var input = new OcrInput();
input.LoadImage("low-quality-scan.jpg");

// Built-in preprocessing — no OpenCV, no manual image math
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = new IronTesseract().Read(input);
Console.WriteLine(result.Text);

using var input = new OcrInput();
input.LoadImage("low-quality-scan.jpg");

// Built-in preprocessing — no OpenCV, no manual image math
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = new IronTesseract().Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

Using input As New OcrInput()
    input.LoadImage("low-quality-scan.jpg")

    ' Built-in preprocessing — no OpenCV, no manual image math
    input.Deskew()
    input.DeNoise()
    input.Contrast()
    input.Binarize()
    input.EnhanceResolution(300)

    Dim result = New IronTesseract().Read(input)
    Console.WriteLine(result.Text)
End Using

Bei PDF-Eingabe bedeutet native Unterstützung, dass kein Konvertierungsschritt erforderlich ist:

// PDF input — no external library, no page conversion
var result = new IronTesseract().Read("scanned-document.pdf");

// Password-protected PDFs
using var input = new OcrInput();
input.LoadPdf("encrypted.pdf", Password: "secret");
var result = new IronTesseract().Read(input);

// Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf");

// PDF input — no external library, no page conversion
var result = new IronTesseract().Read("scanned-document.pdf");

// Password-protected PDFs
using var input = new OcrInput();
input.LoadPdf("encrypted.pdf", Password: "secret");
var result = new IronTesseract().Read(input);

// Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf");

Imports IronTesseract

' PDF input — no external library, no page conversion
Dim result = New IronTesseract().Read("scanned-document.pdf")

' Password-protected PDFs
Using input As New OcrInput()
    input.LoadPdf("encrypted.pdf", Password:="secret")
    result = New IronTesseract().Read(input)
End Using

' Output as searchable PDF
result.SaveAsSearchablePdf("searchable-output.pdf")

Der Leitfaden zur Bildqualitätskorrektur behandelt alle verfügbaren Filter anhand von Beispielen. Die Anleitung zur PDF-Eingabe behandelt Seitenauswahl, Datenstromeingabe und Passwortverwaltung. Für Teams, die durchsuchbare PDFs aus gescannten Dokumenten erstellen, ist die Ausgabe von durchsuchbaren PDFs ein integriertes Ausgabeformat – kein separater Verarbeitungsschritt.

Die Pipeline verarbeitet Nicht-CJK-Dokumente

PaddleSharp wurde für den chinesischen Markt entwickelt. Dieses Erbe zeigt sich in der Namenskonvention des Modells (ChineseV3), der primären Dokumentationssprache und der Verfügbarkeit von Sprachpaketen. Ein Team, das mit der Verarbeitung chinesischer Dokumente beginnt und dann auf französische Rechnungen oder deutsche Verträge ausweitet, stößt an seine Grenzen: Die verfügbaren Modellpakete außerhalb des CJK-Sprachraums sind rar, die Wartungsverpflichtung für Nicht-CJK-Modelle ist ungewiss und die englischsprachige Dokumentation für deren Einrichtung ist spärlich. Der über NuGet Sprachkatalog von IronOCR mit mehr als 125 Sprachen bedeutet, dass die Spracherweiterung eine Paketinstallation und kein Forschungsprojekt ist.

Die Bereitstellungsumgebung verfügt über keine GPU

Die Deep-Learning-Pipeline von PaddleOCR ist für GPU-Inferenz ausgelegt. Auf der CPU sind die Leistungswerte ehrlich: 500–1500 ms pro Bild bei typischen Dokumentenauflösungen. Bei einer Batch-Pipeline, die Tausende von Dokumenten verarbeitet, oder bei einer ASP.NET Anwendung, die gleichzeitig OCR-Anfragen bearbeitet, führt PaddleSharp im CPU-Modus zu zusätzlichen Latenzen, die sich mit zunehmender Skalierung verstärken. Die optimierte Tesseract 5-Engine von IronOCR arbeitet auf der CPU mit einer Zeit von 100–400 ms pro Bild und benötigt keine GPU. Bei Bereitstellungen auf Standard-VM-Ebenen, Containern ohne GPU-Passthrough oder CI-Workern macht dieser Unterschied den Unterschied zwischen einer passenden und einer unpassenden Arbeitslast aus.

PDF-Dokumente befinden sich in der Eingabepipeline

PDF ist das Standardformat für Geschäftsdokumente. PaddleSharp verfügt über keinen PDF-Reader. Teams, die diese Einschränkung erst nach der Entwicklung mit PaddleSharp entdecken, stehen vor einer Wahl: eine PDF-Bibliothek hinzufügen (wodurch eine weitere Abhängigkeit mit eigenen Lizenz- und Versionsüberlegungen verwaltet werden muss), PDFs als Vorverarbeitungsschritt in Bilder konvertieren (was zusätzlichen Speicher- und E/A-Overhead verursacht) oder zu einer Bibliothek mit nativer PDF-Unterstützung migrieren. Die native PDF-Eingabe von IronOCR, einschließlich passwortgeschützter PDFs und Seitenbereichsauswahl, macht es zur unkomplizierten Wahl für Dokumenten-Workflows, die mit PDF beginnen.

Die Abhängigkeitskette scheitert an einer Sicherheits- oder Compliance-Prüfung

Bei Enterprise Implementierungen – im Gesundheitswesen, im Finanzwesen, in der öffentlichen Verwaltung – ist häufig eine Software-Stückliste und eine Abhängigkeitsprüfung erforderlich. Die PaddleSharp-Pipeline umfasst von Baidu stammende Modelldateien und eine Laufzeitumgebung für Deep Learning von Baidu. Für Organisationen, deren Richtlinien die Verwendung von Softwarekomponenten auf bestimmte Herkunftsländer beschränken, oder für Teams, die einen transparenten Zugang zu Sicherheitsmeldungen von Anbietern benötigen, erfordert die Abhängigkeit von Binärdateien mit Baidu-Ursprung zusätzliche Prüfschritte.IronOCR ist ein einzelnes kommerzielles Produkt eines westlichen Softwareanbieters mit dokumentierten Lizenzbedingungen und einem standardmäßigen kommerziellen Supportvertrag.

Das Team kann den operativen Aufwand nicht personell decken.

Die Aufrechterhaltung einer PaddleSharp-Issue über 18 Monate bedeutet, die Kompatibilität der Modellversionen zu verfolgen, die OpenCV-Runtime-Paketversionen mit plattformspezifischen Deployments abzustimmen, die CUDA-Toolkit-Versionen aufeinander abzustimmen, wenn eine GPU verwendet wird, und die Upstream GitHub -Issues (hauptsächlich in Chinesisch) auf Breaking Changes zu überwachen. Das ist eine nicht unerhebliche operative Investition. Für Teams, deren Kernkompetenz in der Entwicklung der Anwendung liegt – und nicht in der Infrastruktur für Deep Learning –, generiert der Verwaltungsaufwand für PaddleSharp keinen Nutzen im Verhältnis zu seinen Kosten.

Entfernung der OpenCV-Abhängigkeit

PaddleSharp erfordert OpenCvSharp4 und ein plattformspezifisches OpenCvSharp4.runtime.* Paket zum Laden von Bildern.IronOCR akzeptiert System.Drawing.Bitmap, Dateipfade, Streams und Byte-Arrays direkt über OcrInput. Die Migration bedeutet das Ersetzen von Cv2.ImRead() Aufrufen durch input.LoadImage() und das Entfernen der OpenCvSharp-Paketreferenzen vollständig:

// PaddleSharp pattern — requires OpenCV
using var image = Cv2.ImRead(imagePath);
var result = _ocr.Run(image);

//IronOCR equivalent — no OpenCV
var result = new IronTesseract().Read(imagePath);

// PaddleSharp pattern — requires OpenCV
using var image = Cv2.ImRead(imagePath);
var result = _ocr.Run(image);

//IronOCR equivalent — no OpenCV
var result = new IronTesseract().Read(imagePath);

Imports OpenCvSharp
Imports IronOcr

' PaddleSharp pattern — requires OpenCV
Using image = Cv2.ImRead(imagePath)
    Dim result = _ocr.Run(image)
End Using

' IronOCR equivalent — no OpenCV
Dim result = New IronTesseract().Read(imagePath)

Der Leitfaden zur Bildeingabe umfasst alle akzeptierten Eingabetypen, einschließlich Streams, URLs und In-Memory-Bitmaps.

Ergebniszuordnung auf Regionsebene

PaddleSharp gibt result.Regions zurück — eine flache Liste der erkannten Textregionen mit Begrenzungsrechtecken und Textstrings.IronOCR liefert eine differenziertere Hierarchie: Seiten enthalten Absätze, Absätze enthalten Zeilen, Zeilen enthalten Wörter, alle mit Koordinaten und Konfidenzwerten pro Element. Wenn Ihr Migrationscode result.Regions verwendet, ist das IronOCR-Äquivalent zur flachen Wortaufzählung mit Positionsdaten:

var result = new IronTesseract().Read("document.jpg");

// Per-word with position — equivalent to PaddleSharp region enumeration
foreach (var word in result.Words)
{
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%");
}

var result = new IronTesseract().Read("document.jpg");

// Per-word with position — equivalent to PaddleSharp region enumeration
foreach (var word in result.Words)
{
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%");
}

Imports System
Imports IronOcr

Dim result = New IronTesseract().Read("document.jpg")

' Per-word with position — equivalent to PaddleSharp region enumeration
For Each word In result.Words
    Console.WriteLine($"'{word.Text}' at ({word.X},{word.Y}) confidence:{word.Confidence}%")
Next

Die Ergebnisübersicht dokumentiert die vollständige Ergebnisstruktur. Der Leitfaden zu den Konfidenzwerten erläutert die Konfidenzwerte pro Element und wie man sie für die Qualitätsfilterung verwendet.

Lebenszyklusmanagement für die OCR-Engine

PaddleSharps PaddleOcrAll ist aufwendig zu konstruieren — es lädt die Modellbinaries beim Erstellen von der Festplatte und sollte in ASP.NET Core als Singleton oder Scoped Service behandelt werden. IronOCRs IronTesseract hat geringere Initialisierungskosten, jedoch gilt dasselbe Prinzip: Das Wiederverwenden von Instanzen über Anfragen hinweg in einer Webanwendung ist effizienter als das Erstellen pro Anfrage. In beiden Fällen ist die Abhängigkeitsinjektion als Singleton oder pro Anfrage gescopte Dienst der korrekte Ansatz.

Installation des Sprachpakets

Die Sprachunterstützung in PaddleSharp bedeutet, dass beim Kompilieren verschiedene Modellsätze ausgewählt werden. In IronOCR wird die Sprachunterstützung durch ein NuGet Paket realisiert, das dem Projekt hinzugefügt wird, und durch einen einzeiligen Konfigurationsaufruf:

// dotnet add package IronOcr.Languages.ChineseSimplified

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
var result = ocr.Read("document.jpg");

// dotnet add package IronOcr.Languages.ChineseSimplified

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
var result = ocr.Read("document.jpg");

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
Dim result = ocr.Read("document.jpg")

Für CJK-Teams, die von PaddleSharp migrieren, sind Chinesisch (vereinfacht), Chinesisch (traditionell), Japanisch und Koreanisch als IronOCR Sprachpakete verfügbar. Der Leitfaden für benutzerdefinierte Sprachen beschreibt die Einbindung von individuell trainierten Tess-Daten für spezielle Anwendungsfälle.