EasyOCR vs Tesseract (OCR-Funktionen Vergleich)

EasyOCR kann mit pip, dem Paketmanager von Python, installiert werden. Stellen Sie zuerst sicher, dass alle Abhängigkeiten erfüllt sind. Zu den wesentlichen Abhängigkeiten gehören PyTorch-Bibliotheken: torch und torchvision. Diese können zusammen mit EasyOCR installiert werden:

Installieren Sie EasyOCR: Öffnen Sie ein Terminal oder eine Kommandozeile und geben Sie den Befehl ein:

pip install easyocr

pip install easyocr

Installieren Sie PyTorch, falls nicht installiert (erforderlich für EasyOCR): EasyOCR läuft auf PyTorch. Wenn es in Ihrer Umgebung nicht automatisch installiert ist, folgen Sie dem offiziellen PyTorch-Installations Leitfaden.

Sobald es installiert ist, sind Sie bereit, EasyOCR für Textextraktionsaufgaben zu verwenden.

OCR-Bild mit EasyOCR

Das Folgende ist ein Beispiel-Python-Code, der zeigt, wie EasyOCR verwendet wird, um OCR auf einem Bild durchzuführen:

import easyocr
import matplotlib.pyplot as plt
import cv2

# Initialize the EasyOCR reader with the English language specified
reader = easyocr.Reader(['en'])  # Specify the languages (e.g., 'en' for English)

# Load the image
image_path = 'sample_image.png'  # Path to the image
image = cv2.imread(image_path)

# Perform OCR on the image
result = reader.readtext(image_path)

# Print detected text and its bounding boxes
for (bbox, text, prob) in result:
    print(f"Detected Text: {text} (Confidence: {prob:.4f})")

# Optionally, display the image with bounding boxes around the detected text
for (bbox, text, prob) in result:
    # Unpack the bounding box
    top_left, top_right, bottom_right, bottom_left = bbox
    top_left = tuple(map(int, top_left))
    bottom_right = tuple(map(int, bottom_right))

    # Draw a rectangle around the text
    cv2.rectangle(image, top_left, bottom_right, (0, 255, 0), 2)

# Convert the image to RGB (since OpenCV loads images in BGR by default)
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Display the image with bounding boxes
plt.imshow(image_rgb)
plt.axis('off')
plt.show()

import easyocr
import matplotlib.pyplot as plt
import cv2

# Initialize the EasyOCR reader with the English language specified
reader = easyocr.Reader(['en'])  # Specify the languages (e.g., 'en' for English)

# Load the image
image_path = 'sample_image.png'  # Path to the image
image = cv2.imread(image_path)

# Perform OCR on the image
result = reader.readtext(image_path)

# Print detected text and its bounding boxes
for (bbox, text, prob) in result:
    print(f"Detected Text: {text} (Confidence: {prob:.4f})")

# Optionally, display the image with bounding boxes around the detected text
for (bbox, text, prob) in result:
    # Unpack the bounding box
    top_left, top_right, bottom_right, bottom_left = bbox
    top_left = tuple(map(int, top_left))
    bottom_right = tuple(map(int, bottom_right))

    # Draw a rectangle around the text
    cv2.rectangle(image, top_left, bottom_right, (0, 255, 0), 2)

# Convert the image to RGB (since OpenCV loads images in BGR by default)
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Display the image with bounding boxes
plt.imshow(image_rgb)
plt.axis('off')
plt.show()

Das untenstehende Bild ist die Ausgabe, die aus dem obigen Code generiert wurde.

Nach der Installation von Tesseract installieren Sie das pytesseract-Paket mit pip:

pip install pytesseract

pip install pytesseract

OCR-Bild mit pytesseract

Hier ist ein Beispiel-Python-Code, der zeigt, wie pytesseract verwendet wird, um OCR auf einem Bild durchzuführen:

import pytesseract
from PIL import Image

# Set the path to the Tesseract executable
pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'

# Open the image and perform OCR
image = Image.open('sample_image.png')
text = pytesseract.image_to_string(image)

# Print the extracted text
print(text)

import pytesseract
from PIL import Image

# Set the path to the Tesseract executable
pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'

# Open the image and perform OCR
image = Image.open('sample_image.png')
text = pytesseract.image_to_string(image)

# Print the extracted text
print(text)

Unten ist die Ausgabe aus dem obigen Code erzeugt.

• Hohe Genauigkeit: Verwendet fortschrittliche Algorithmen, um hohe Genauigkeitsniveaus bei der Texterkennung zu erreichen, unabhängig von der Komplexität des Dokuments oder der Schriftverwendung.

• Unterstützung mehrerer Formate: Akzeptiert Bildformate wie JPEG, PNG, GIF und TIFF zusätzlich zu PDFs für Vielseitigkeit in Anwendungen.

• Mehrsprachige Erkennung: Unterstützt mehrsprachige OCR und liefert genaue Ergebnisse in vielfältigen sprachlichen Kontexten.

• Erhaltung des Textlayouts: Bewahrt das ursprüngliche Dokumentenlayout, wodurch der extrahierte Text seine formatierte Struktur beibehält.

• Konfigurierbare OCR: Bietet konfigurierbare Parameter für Bildauflösung, Textausrichtung und mehr, mit denen Entwickler die OCR-Leistung für spezifische Bilder optimieren können.

• Bildvorverarbeitung: Beinhaltet grundlegende Werkzeuge zur Verbesserung der Bilder, wie Rauschunterdrückung, Kontrasteinstellung und Größenänderung, um die OCR-Genauigkeit zu verbessern.

• Durchsuchbare PDF-Konvertierung: Wandelt gescannte Bilder und Dokumente direkt in durchsuchbare PDFs um, für effizientere Datenverwaltung und -rückgewinnung.

• Einfache Integration: Erleichtert die einfache Integration in .NET-Anwendungen, sodass Benutzer leicht OCR-Funktionalität hinzufügen können.

• Batch-Verarbeitung: Unterstützt die gleichzeitige Verarbeitung mehrerer Bilder oder Dokumente, was nützlich für die Handhabung großer Datenmengen ist.

Installation

Um IronOCR zu installieren, öffnen Sie den NuGet-Paketmanager in Visual Studio, starten Sie ein neues Projekt, suchen Sie nach "IronOCR", wählen Sie die neueste Version und klicken Sie auf Installieren.

Beispielcode mit IronOCR

Der folgende C#-Code zeigt, wie IronOCR für die OCR-Verarbeitung verwendet wird:

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        // Initialize IronTesseract engine
        var Ocr = new IronTesseract();

        // Add languages to the OCR engine
        Ocr.Language = OcrLanguage.English;

        // Define the path to the input image
        var inputFile = @"path\to\your\image.png";

        // Read the image and perform OCR
        using (var input = new OcrInput(inputFile))
        {
            var result = Ocr.Read(input);

            // Display the extracted text
            Console.WriteLine("Text:");
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        // Initialize IronTesseract engine
        var Ocr = new IronTesseract();

        // Add languages to the OCR engine
        Ocr.Language = OcrLanguage.English;

        // Define the path to the input image
        var inputFile = @"path\to\your\image.png";

        // Read the image and perform OCR
        using (var input = new OcrInput(inputFile))
        {
            var result = Ocr.Read(input);

            // Display the extracted text
            Console.WriteLine("Text:");
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Initialize IronTesseract engine
		Dim Ocr = New IronTesseract()

		' Add languages to the OCR engine
		Ocr.Language = OcrLanguage.English

		' Define the path to the input image
		Dim inputFile = "path\to\your\image.png"

		' Read the image and perform OCR
		Using input = New OcrInput(inputFile)
			Dim result = Ocr.Read(input)

			' Display the extracted text
			Console.WriteLine("Text:")
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Hohe Genauigkeit

IronOCR zeichnet sich durch seine Genauigkeit bei komplexen Layouts, lauten Bildern und Texten mit niedriger Auflösung im Vergleich zu Tesseract oder EasyOCR aus. Seine eingebauten Bildvorverarbeitungstools, wie Rauschunterdrückung und Kontrasteinstellungen, tragen dazu bei, eine hohe Genauigkeit in realen Anwendungen zu erreichen.

Mehrformat- und Layouterhaltung

IronOCR glänzt bei der Verarbeitung verschiedener Bildformate, PDF-Dateien und mehrspaltiger Layouts, während es die ursprüngliche Dokumentstruktur und Formatierung beibehält. Es ist gut geeignet für Projekte, bei denen die Layouterhaltung von wesentlicher Bedeutung ist.

Seine Fähigkeit, Bilder und gescannte Dokumente direkt in vollkommen durchsuchbare PDFs umzuwandeln, ohne auf zusätzliche Tools oder Bibliotheken zurückgreifen zu müssen, gibt ihm einen Vorteil gegenüber Tesseract und EasyOCR.

IronOCR bietet erweiterte Vorverarbeitung

Selbst Bilder von schlechter Qualität können mit den fortschrittlichen Vorverarbeitungsfunktionen von IronOCR hohe OCR-Genauigkeit erzielen, wodurch der Bedarf an zusätzlichen Bibliotheken wie OpenCV reduziert wird, was es zu einer umfassenden Lösung zur Textextraktion macht.

Skalierbarkeit und Leistung

Optimiert für schnelle, ressourceneffiziente OCR, unterstützt IronOCR die Skalierbarkeit für große Dokumentenverarbeitungsaufgaben, eine Priorität für Unternehmensanwendungen.

Support und Updates

Mit kommerziellem Support profitiert IronOCR von regelmäßigen Updates, Fehlerbehebungen und dediziertem Support, was langfristige Zuverlässigkeit und die neuesten Fortschritte in der OCR bietet, im Gegensatz zu Open-Source-Optionen wie Tesseract und EasyOCR.