Una comparación entre IronOCR y Dynamsoft OCR

Ambos conjuntos de software ofrecen soluciones para recortar imágenes para OCR.

Lectura de regiones recortadas con IronOCR

La rama de Tesseract OCR de Iron es experta en leer regiones específicas de las imágenes, como se muestra en el siguiente ejemplo de código.

Usamos System.Drawing.Rectangle para describir la región exacta de una imagen que se debe leer en píxeles.

Cuando trabajamos con un formulario estandarizado que se llena, y solo una porción del contenido cambia de caso en caso, esto puede ser realmente útil.

Escanear una Sección de una Página: Usamos System.Drawing.Rectangle para designar una región para leer de un documento, mejorando la velocidad y precisión.

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr
Imports System.Drawing

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Create an instance of IronTesseract
		Dim ocr = New IronTesseract()

		Using input = New OcrInput()
			' Define content area of interest
			Dim contentArea = New Rectangle() With {
				.X = 215,
				.Y = 1250,
				.Height = 280,
				.Width = 1335
			}

			' Add the specific region to the input
			input.AddImage("img/ComSci.png", contentArea)

			' Perform OCR operation
			Dim result = ocr.Read(input)

			' Output recognized text to console
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Esto resulta en un aumento del 41 por ciento en velocidad, mientras también nos permite ser más específicos. Esto es extremadamente valioso para aplicaciones OCR .NET que involucran documentos que son comparables y consistentes, incluidos facturas, recibos, cheques, formularios, reclamaciones de gastos, y así sucesivamente.

Al leer PDFs, también se soporta ContentAreas (recorte de OCR).

Lectura de regiones recortadas con Dynamsoft OCR

Para empezar, lanza Visual Studio y construye una nueva Aplicación Windows Forms en C#, o abre una existente. Necesitaremos incluir DynamicDotNetTWAIN.dll, DynamicOCR.dll, y el paquete de idioma apropiado.

1. Navegar a Herramientas -> Elegir Elementos de la Caja de Herramientas, luego a la pestaña Componentes del .NET Framework, hacer clic en el botón Examinar, y localizar DynamicDotNetTWAIN.dll.

2. Hacer clic derecho en el archivo del proyecto en el Explorador de Soluciones y seleccionar Agregar-> Elemento Existente... luego agregar los elementos necesarios desde el directorio de recursos OCR.

Este es el código para hacer clic en el botón LoadImage:

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

Private Sub button1_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim filedlg As New OpenFileDialog()
	If filedlg.ShowDialog() = DialogResult.OK Then
		dynamicDotNetTwain1.LoadImage(filedlg.FileName)
		' Choose an image from your local disk and load it into Dynamic .NET TWAIN
	End If
End Sub

Private Sub dynamicDotNetTwain1_OnImageAreaSelected(ByVal sImageIndex As Short, ByVal left As Integer, ByVal top As Integer, ByVal right As Integer, ByVal bottom As Integer)
	dynamicDotNetTwain1.OCRTessDataPath = "../../"
	dynamicDotNetTwain1.OCRLanguage = "eng"
	Dim ocrResultFormat As OcrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text

	Dim sbytes() As Byte = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom)
	' OCR the selected area of the image

	If sbytes IsNot Nothing Then
		Dim filedlg As New SaveFileDialog()
		filedlg.Filter = "Text File(*.txt)| *.txt"
		If filedlg.ShowDialog() = DialogResult.OK Then
			Dim fs As FileStream = File.OpenWrite(filedlg.FileName)
			fs.Write(sbytes, 0, sbytes.Length)
			' Save the OCR result as a text file
			fs.Close()
		End If
		MessageBox.Show("OCR successful")
	Else
		MessageBox.Show(dynamicDotNetTwain1.ErrorString)
	End If
End Sub

Así es como se ve la aplicación:

La calidad de la imagen de entrada es el factor más crucial en la velocidad de una tarea OCR. Cuanto menor sea el ruido de fondo y mayor el dpi, con un valor objetivo excelente de alrededor de 200 dpi, más rápido y preciso será el resultado del OCR.

Técnicas de procesamiento de imágenes para Dynamsoft OCR

Necesitamos usar OCR en una variedad de situaciones, como escanear un número de tarjeta de crédito con nuestro teléfono o extraer texto de documentos en papel. Las capacidades OCR están incluidas en Dynamsoft Label Recognition (DLR) y Dynamic Web TWAIN (DWT).

Aunque pueden hacer un excelente trabajo en general, podemos mejorar los resultados usando varias técnicas de procesamiento de imágenes.

Aclarar/eliminar sombras

Una iluminación deficiente puede afectar el resultado del OCR. Para mejorar el resultado, podemos blanquear fotos o eliminar sombras de las imágenes.

Invert

Debido a que el motor OCR a menudo está entrenado en texto en colores oscuros, el texto en colores claros puede ser más difícil de descubrir y reconocer.

Será más fácil de reconocer si invertimos su color

Para realizar la inversión, podemos usar el parámetro GrayscaleTransformationModes en DLR.

Aquí están los ajustes JSON:

"GrayscaleTransformationModes": [
    {
        "Mode": "DLR_GTM_INVERTED"
    }
]

DLR .net's reading result:

Rescale

Si la altura de la letra es demasiado baja, el motor OCR puede no producir un buen resultado. En general, la imagen debe tener un DPI de al menos 300.

Hay un parámetro ScaleUpModes en DLR 1.1 que te permite ampliar letras. Por supuesto, podemos escalar la imagen nosotros mismos.

Leer la imagen directamente arroja el resultado incorrecto:

Después de escalar la imagen x2, el resultado es correcto:

Deskew

Está bien si el texto está un poco distorsionado. Sin embargo, si está demasiado inclinado, el resultado se verá adversamente alterado. Para mejorar el resultado, necesitamos recortar la imagen.

Para lograr esto, podemos usar la Transformada de Hough en OpenCV y Python.

Aquí está el código para desinclinar la imagen anterior:

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Imagen PNG.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Imagen PNG.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

Líneas detectadas:

Desinclinado:

Técnicas de procesamiento de imágenes para IronOCR

La calidad de la imagen de entrada no es importante aquí porque IronOCR destaca en reparar documentos defectuosos (aunque esto es laborioso y hará que tus trabajos de OCR usen más ciclos de CPU).

Elegir formatos de imágenes de entrada con menos ruido digital, como TIFF o PNG, también puede resultar en resultados más rápidos que formatos de imagen con pérdida, como JPEG.

Los filtros de imagen que se enumeran a continuación pueden mejorar significativamente el rendimiento:

• OcrInput.Rotate(double degrees) — Rota imágenes en el sentido de las agujas del reloj por un número específico de grados. Se utilizan enteros negativos para la rotación en sentido antihorario.
• OcrInput.Binarize() — Este filtro de imagen hace que cada píxel sea negro o blanco, sin intermedios. Puede mejorar el rendimiento del OCR en circunstancias en las que el contraste texto-fondo es muy bajo.
• OcrInput.ToGrayScale() — Este filtro de imagen convierte cada píxel a un tono de escala de grises. Es poco probable que mejore la precisión del OCR, pero puede aumentar la velocidad.
• OcrInput.Contrast() — Aumenta automáticamente el contraste. En escaneos de bajo contraste, este filtro frecuentemente mejora la velocidad y precisión del OCR.
• OcrInput.DeNoise() — Este filtro solo debe usarse cuando se espera ruido.
• OcrInput.Invert() — Invierte todos los colores. Por ejemplo, blanco se convierte en negro: negro se convierte en blanco.
• OcrInput.Dilate() — Morfología avanzada. La dilatación es el proceso de añadir píxeles a los bordes de los objetos en una imagen. (Inverse of Erode)
• OcrInput.Erode() — Una función de morfología avanzada. La erosión es el proceso de eliminar píxeles de los bordes de los objetos. (Inverse of Dilate)
• OcrInput.Deskew() — Rota una imagen para que sea ortogonal y esté hacia arriba. Debido a que la tolerancia de Tesseract para escaneos inclinados puede ser tan baja como 5 grados, esto es bastante útil para el OCR.
• DeepCleanBackgroundNoise() — Elimina mucho ruido de fondo. Solo utiliza este filtro si sabes que hay mucho ruido de fondo en el documento porque puede reducir la precisión del OCR en documentos claros y es bastante intensivo en uso de CPU.
• OcrInput.EnhanceResolution — Mejora la resolución de fotos de baja resolución. Gracias a OcrInput, este filtro se usa raramente. OcrInput detectará y resolverá automáticamente la baja resolución.

Puede que queramos usar IronTesseract para acelerar el OCR en escaneos de mayor calidad. Si estamos buscando velocidad, podríamos empezar aquí y posteriormente volver a activar características hasta que se logre el equilibrio adecuado.

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim ocr = New IronTesseract()

' Configuration for speed tuning
		ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\"
		ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
		ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
		ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly
		ocr.Language = OcrLanguage.EnglishFast

		Using input = New OcrInput("img\Potter.tiff")
			Dim result = ocr.Read(input)
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Este resultado es 99.8% preciso en comparación con la línea base de 100% — pero un 35% más rápido.