Texte als Bilder in C#35; mit IronOCR hervorheben

Wie sieht die Eingabe-PDF aus?

Wie implementiere ich den Hervorhebungscode?

Der nachstehende Beispielcode zeigt die grundlegende Implementierung unter Verwendung der OcrInput-Klasse.

:path=/static-assets/ocr/content-code-examples/how-to/highlight-texts-as-images.cs

using IronOcr;

IronTesseract ocrTesseract = new IronTesseract();

using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_page_", ResultHighlightType.Paragraph);

Imports IronOcr

Private ocrTesseract As New IronTesseract()

Private ocrInput = New OcrInput()
ocrInput.LoadPdf("document.pdf")
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_page_", ResultHighlightType.Paragraph)

Was zeigen die Ausgabebilder?

Wie im obigen Ausgabebild zu sehen ist, wurden alle drei Absätze mit einem hellroten Kasten hervorgehoben. Diese visuelle Darstellung hilft Entwicklern, schnell zu erkennen, wie die OCR-Engine das Dokument in lesbare Blöcke unterteilt.

Was sind die verschiedenen Optionen von ResultHighlightType?

Im obigen Beispiel wurde ResultHighlightType.Paragraph verwendet, um Textblöcke hervorzuheben. IronOCR bietet zusätzliche Hervorhebungsoptionen durch dieses Enum. Im Folgenden finden Sie eine vollständige Liste der verfügbaren Typen, die jeweils unterschiedlichen Diagnosezwecken dienen.

Zeichen: Zeichnet einen Begrenzungsrahmen um jedes einzelne von der OCR-Engine erkannte Zeichen. Nützlich für die Fehlersuche bei der Zeichenerkennung oder bei speziellen Schriftarten, insbesondere bei der Arbeit mit angepassten Sprachdateien.

Wort: Hebt jedes vollständige Wort hervor, das von der Engine erkannt wird. Ideal für die Validierung von Wortgrenzen und die korrekte Worterkennung, insbesondere bei der Implementierung von Barcode- und QR-Lesen neben der Texterkennung.

Line: Hebt jede erkannte Textzeile hervor. Nützlich für Dokumente mit komplexem Layout, die eine Überprüfung der Zeilenerkennung erfordern, z. B. bei der Verarbeitung gescannter Dokumente.

Paragraph: Hebt ganze Textblöcke hervor, die als Absätze gruppiert sind. Perfekt für das Verständnis des Dokumentenlayouts und die Überprüfung der Segmentierung von Textblöcken, besonders nützlich bei der Arbeit mit Tabellenextraktion.

Wie vergleiche ich verschiedene Highlight-Typen?

Dieses umfassende Beispiel demonstriert die Erstellung von Hervorhebungen für alle verschiedenen Typen desselben Dokuments, so dass Sie die Ergebnisse vergleichen können:

using IronOcr;
using System;

// Initialize the OCR engine with custom configuration
IronTesseract ocrTesseract = new IronTesseract();

// Configure for better accuracy if needed
ocrTesseract.Configuration.ReadBarCodes = false; // Disable if not needed for performance
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the PDF document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");

// Generate highlights for each type
Console.WriteLine("Generating character-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_character_", ResultHighlightType.Character);

Console.WriteLine("Generating word-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_word_", ResultHighlightType.Word);

Console.WriteLine("Generating line-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_line_", ResultHighlightType.Line);

Console.WriteLine("Generating paragraph-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_paragraph_", ResultHighlightType.Paragraph);

Console.WriteLine("All highlight images have been generated successfully!");

using IronOcr;
using System;

// Initialize the OCR engine with custom configuration
IronTesseract ocrTesseract = new IronTesseract();

// Configure for better accuracy if needed
ocrTesseract.Configuration.ReadBarCodes = false; // Disable if not needed for performance
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the PDF document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");

// Generate highlights for each type
Console.WriteLine("Generating character-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_character_", ResultHighlightType.Character);

Console.WriteLine("Generating word-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_word_", ResultHighlightType.Word);

Console.WriteLine("Generating line-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_line_", ResultHighlightType.Line);

Console.WriteLine("Generating paragraph-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_paragraph_", ResultHighlightType.Paragraph);

Console.WriteLine("All highlight images have been generated successfully!");

IRON VB CONVERTER ERROR developers@ironsoftware.com

Wie gehe ich mit mehrseitigen Dokumenten um?

Bei der Verarbeitung mehrseitiger PDFs oder Multi-Frame-TIFF-Dateien behandelt die Hervorhebungsfunktion automatisch jede Seite einzeln. Dies ist besonders nützlich bei der Implementierung von PDF OCR Textextraktion Workflows:

using IronOcr;
using System.IO;

IronTesseract ocrTesseract = new IronTesseract();

// Load a multi-page document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("multi-page-document.pdf");

// Create output directory if it doesn't exist
string outputDir = "highlighted_pages";
Directory.CreateDirectory(outputDir);

// Generate highlights for each page
// Files will be named: highlighted_pages/page_0.png, page_1.png, etc.
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, 
    Path.Combine(outputDir, "page_"), 
    ResultHighlightType.Word);

// Count generated files for verification
int pageCount = Directory.GetFiles(outputDir, "page_*.png").Length;
Console.WriteLine($"Generated {pageCount} highlighted page images");

using IronOcr;
using System.IO;

IronTesseract ocrTesseract = new IronTesseract();

// Load a multi-page document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("multi-page-document.pdf");

// Create output directory if it doesn't exist
string outputDir = "highlighted_pages";
Directory.CreateDirectory(outputDir);

// Generate highlights for each page
// Files will be named: highlighted_pages/page_0.png, page_1.png, etc.
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, 
    Path.Combine(outputDir, "page_"), 
    ResultHighlightType.Word);

// Count generated files for verification
int pageCount = Directory.GetFiles(outputDir, "page_*.png").Length;
Console.WriteLine($"Generated {pageCount} highlighted page images");

IRON VB CONVERTER ERROR developers@ironsoftware.com

Was sind die besten Praktiken für die Leistung?

Beachten Sie bei der Verwendung der Hervorhebungsfunktion die folgenden Best Practices:

1. Dateigröße: Hervorgehobene Bilder können groß sein, insbesondere bei hochauflösenden Dokumenten. Berücksichtigen Sie bei der Verarbeitung großer Stapel den verfügbaren Speicherplatz im Ausgabeverzeichnis. Tipps zur Optimierung finden Sie in unserem fast OCR configuration guide.

2. Leistungsfähigkeit: Das Erzeugen von Hervorhebungen ist mit einem zusätzlichen Verarbeitungsaufwand verbunden. Für Produktionssysteme, in denen Highlights nur gelegentlich benötigt werden, sollten sie als separater Diagnoseprozess und nicht als Teil des Hauptarbeitsablaufs implementiert werden. Erwägen Sie die Verwendung von Multithreaded OCR für die Stapelverarbeitung.

3. Fehlerbehandlung: Implementieren Sie immer eine angemessene Fehlerbehandlung, wenn Sie mit Dateioperationen arbeiten:

try
{
    using var ocrInput = new OcrInput();
    ocrInput.LoadPdf("document.pdf");

    // Apply image filters if needed for better recognition
    ocrInput.Deskew(); // Correct slight rotations
    ocrInput.DeNoise(); // Remove background noise

    ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_", ResultHighlightType.Word);
}
catch (Exception ex)
{
    Console.WriteLine($"Error during highlighting: {ex.Message}");
    // Log error details for debugging
}

try
{
    using var ocrInput = new OcrInput();
    ocrInput.LoadPdf("document.pdf");

    // Apply image filters if needed for better recognition
    ocrInput.Deskew(); // Correct slight rotations
    ocrInput.DeNoise(); // Remove background noise

    ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_", ResultHighlightType.Word);
}
catch (Exception ex)
{
    Console.WriteLine($"Error during highlighting: {ex.Message}");
    // Log error details for debugging
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Wie lässt sich die Hervorhebung in die OCR-Ergebnisse integrieren?

Die Hervorhebungsfunktion arbeitet nahtlos mit den Ergebnisobjekten von IronOCR zusammen und ermöglicht es Ihnen, visuelle Hervorhebungen mit extrahierten Textdaten zu korrelieren. Dies ist besonders nützlich, wenn Sie den OCR-Fortschritt verfolgen oder bestimmte Abschnitte des erkannten Textes validieren müssen. Die Klasse OcrResult liefert detaillierte Informationen über jedes erkannte Element, die direkt mit den von dieser Methode erzeugten visuellen Hervorhebungen übereinstimmen.

Was ist, wenn ich auf Probleme stoße?

Bei Problemen mit der Hervorhebungsfunktion finden Sie in der Allgemeinen Anleitung zur Fehlerbehebung allgemeine Lösungen. Für spezifische Probleme im Zusammenhang mit Hervorhebungen:

• Leere Ausgabebilder: Stellen Sie sicher, dass das Eingabedokument lesbaren Text enthält und dass die OCR-Engine ordnungsgemäß für Ihren Dokumententyp konfiguriert ist. Möglicherweise müssen Sie Bildoptimierungsfilter oder Bildausrichtung korrigieren anwenden, um die Erkennung zu verbessern.
• Fehlende Highlights: Einige Dokumenttypen erfordern möglicherweise eine spezielle Vorverarbeitung. Versuchen Sie, Bildfilter anzuwenden oder die Bildausrichtung zu korrigieren, um die Erkennung zu verbessern.
• Leistungsprobleme: Bei großen Dokumenten sollte die Implementierung von Multithreading in Betracht gezogen werden, um die Verarbeitungsgeschwindigkeit zu erhöhen. Lesen Sie außerdem unseren Leitfaden zur Beseitigung von Scans geringer Qualität, wenn Sie mit minderwertigen Eingaben arbeiten.

Wie kann ich dies für das Debugging in der Produktion verwenden?

Die Hervorhebungsfunktion dient als hervorragendes Debugging-Tool für die Produktion. In Verbindung mit Abbruch-Tokens für lang laufende Operationen und Timeouts können Sie ein robustes Diagnosesystem erstellen. Erwägen Sie die Implementierung eines Debug-Modus in Ihrer Anwendung:

public class OcrDebugger
{
    private readonly IronTesseract _tesseract;
    private readonly bool _debugMode;

    public OcrDebugger(bool enableDebugMode = false)
    {
        _tesseract = new IronTesseract();
        _debugMode = enableDebugMode;
    }

    public OcrResult ProcessDocument(string filePath)
    {
        using var input = new OcrInput();
        input.LoadPdf(filePath);

        // Apply preprocessing
        input.Deskew();
        input.DeNoise();

        // Generate debug highlights if in debug mode
        if (_debugMode)
        {
            string debugPath = $"debug_{Path.GetFileNameWithoutExtension(filePath)}_";
            input.HighlightTextAndSaveAsImages(_tesseract, debugPath, ResultHighlightType.Word);
        }

        // Perform actual OCR
        return _tesseract.Read(input);
    }
}

public class OcrDebugger
{
    private readonly IronTesseract _tesseract;
    private readonly bool _debugMode;

    public OcrDebugger(bool enableDebugMode = false)
    {
        _tesseract = new IronTesseract();
        _debugMode = enableDebugMode;
    }

    public OcrResult ProcessDocument(string filePath)
    {
        using var input = new OcrInput();
        input.LoadPdf(filePath);

        // Apply preprocessing
        input.Deskew();
        input.DeNoise();

        // Generate debug highlights if in debug mode
        if (_debugMode)
        {
            string debugPath = $"debug_{Path.GetFileNameWithoutExtension(filePath)}_";
            input.HighlightTextAndSaveAsImages(_tesseract, debugPath, ResultHighlightType.Word);
        }

        // Perform actual OCR
        return _tesseract.Read(input);
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Wo soll ich als nächstes hin?

Jetzt, wo Sie wissen, wie Sie die Hervorhebungsfunktion verwenden können, können Sie sie erkunden:

• Erstellung durchsuchbarer PDFs aus Ihren OCR-Ergebnissen
• Lesen bestimmter Dokumenttypen wie Pässe oder Lizenzen
• Einrichten von IronOCR in Ihrer Entwicklungsumgebung mit unseren Einführungsanleitungen
• Implementierung von 125 internationaler Sprachunterstützung für globale Anwendungen
• Verwendung des Filter-Assistenten zur Optimierung der Bildverarbeitung

Für den produktiven Einsatz müssen Sie eine Lizenz erwerben, um Wasserzeichen zu entfernen und die volle Funktionalität zu nutzen.