Una comparación entre IronOCR y Tesseract.NET

Instalar IronOCR

IronOCR admite la instalación utilizando varios métodos. Podemos elegir cualquier enfoque. Todos los métodos son seguros.

• Usando el Administrador de Paquetes NuGet de Visual Studio
• Usando la línea de comandos del administrador de paquetes NuGet.
• Direct download from the NuGet website.
• Direct download from the IronOcr website.

Uso del Administrador de paquetes NuGet de Visual Studio

Podemos instalar la biblioteca IronOCR usando la GUI del administrador de paquetes NuGet en Visual Studio. Podemos acceder haciendo clic en Herramientas > Administrador de paquetes NuGet > Administrar paquetes NuGet para la solución.

Ve a la pestaña Examinar y busca IronOCR. Selecciona IronOCR de los resultados de búsqueda e instálalo en nuestro proyecto.

Ahora, hemos instalado la biblioteca IronOCR en nuestro proyecto. Está lista para su uso en nuestro proyecto .NET.

Uso de la línea de comandos del administrador de paquetes NuGet

Podemos usar la consola del Administrador de Paquetes NuGet para instalar la biblioteca IronOCR. Ve a la Línea de comandos, que generalmente se encuentra debajo del archivo de código, y luego escribe la siguiente línea en la línea de comandos y presiona Enter.

Install-Package IronOcr

Comenzará la instalación de la biblioteca IronOCR. Después de la instalación, estará lista para usarse en nuestro proyecto.

Instalar el SDK de Tesseract.NET

Podemos instalar el Tesseract.NET SDK usando el Administrador de Paquetes NuGet. Para instalar el Tesseract.NET SDK, ve a Herramientas > Administrador de Paquetes NuGet > Administrar Paquetes NuGet para la Solución. Ve a la pestaña Examinar y busca el Tesseract.NET SDK. Selecciona el Tesseract.NET SDK de los resultados de búsqueda e instálalo. Después de la instalación, podemos usar el Tesseract.NET SDK en nuestro programa.

Después de la instalación, puedes ver estas tres carpetas en el explorador de soluciones.

Estas carpetas contienen datos esenciales requeridos por Tesseract para realizar OCR. Ahora estamos listos para incluir la capacidad OCR en nuestro proyecto.

Imagen de prueba

Esta es la imagen que utilizaremos para la prueba.

Uso del SDK de Tesseract.NET

Primero, examinaremos la salida generada por el Tesseract.NET SDK para la imagen de prueba. Veamos el código:

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

Imports Patagames.Ocr

' Use the OcrApi class to create an API instance for OCR
Using api = OcrApi.Create()
	' Initialize the OCR API with the English language
	api.Init(Patagames.Ocr.Enums.Languages.English)
	' Extract text from the image at the specified path
	Dim plainText As String = api.GetTextFromImage("C:\Users\Administrator\Desktop\Input.jpg")
	' Print the extracted text to the console
	Console.WriteLine(plainText)
End Using

Primero, importaremos la biblioteca Patagames.OCR para usar el Tesseract.NET SDK. Después de eso, crearemos un OcrApi usando la función Create. Luego, estableceremos el idioma predeterminado a inglés usando la función Init. A continuación, extraemos texto plano de la imagen usando el método GetTextFromImage, y en el parámetro proporcionamos la ruta de los archivos de la imagen. Luego, escribimos el texto extraído en la consola.

A continuación, observa la salida generada por el Tesseract.NET SDK:

Así que esta es la salida que obtenemos del Tesseract.NET SDK. Al principio, da errores basados en la resolución, mostrando que solo funciona bien para imágenes de alta resolución. Después de los errores, podemos ver el texto extraído de la imagen. Si comparamos este texto con la imagen, veremos que es totalmente diferente. El texto extraído tiene mucho texto irrelevante que no tiene sentido. En general, el Tesseract.NET SDK falla en esta prueba.

Uso de IronOCR

A continuación, veremos los resultados de IronOCR. Antes de pasar a los resultados, primero examinaremos el código para IronOCR:

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.EnglishBest

' Use OcrInput to prepare the image for processing
Using Input = New OcrInput()
	Input.AddImage("C:\Users\Administrator\Desktop\Input.jpg")
	' Correct the skew and noise in the image
	Input.Deskew()
	Input.DeNoise()
	' Perform OCR and get the result
	Dim Result = Ocr.Read(Input)
	' Print the recognized text to the console
	Console.WriteLine(Result.Text)
End Using

En el código anterior, importamos la biblioteca IronOCR en nuestro programa y luego creamos un objeto de IronTesseract, que ayuda a iniciar el proceso. Después de eso, establecemos el idioma del proceso en inglés. Ahora puede comenzar el trabajo real. Hacemos el objeto de OcrInput. Asignamos la ruta de la imagen a la variable Input usando la función AddImage. Usamos el Deskew función para rotar la imagen a su posición real, y luego usamos el DeNoise para quitar el ruido de la imagen. Esto proporcionará un mejor resultado. Después de eso, usamos la función Read para reconocer texto y extraerlo de la imagen de prueba. A continuación, muestra el resultado en la consola. También puedes guardar la salida como un archivo PDF en el archivo del proyecto.

Aquí está la salida generada por IronOCR:

Si comparamos la salida, es el mismo texto que está presente en la imagen. IronOCR extrae texto perfectamente sin error alguno. IronOCR puede extraer texto de imágenes distorsionadas e inclinadas. Incluso funciona con imágenes de baja resolución.

IronOCR también admite la adición de imágenes multifotograma. Podemos usar el método 'AddMultiFrameTiff' para realizar esta operación. IronOCR lee cada fotograma en la imagen, y cada fotograma se trata como una página separada. Sólo las imágenes Tiff son compatibles usando este método.

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()

Using Input = New OcrInput()
	' Add a multi-frame TIFF image for OCR processing
	Input.AddMultiFrameTiff("images/multiframe.tiff")

	' Perform OCR and get the result
	Dim Result = Ocr.Read(Input)
	' Print the recognized text to the console
	Console.WriteLine(Result.Text)
End Using

Veamos el código para hacer un PDF buscable:

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

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

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

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

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()
Using Input = New OcrInput()
	' Add multiple images for processing
	Input.AddImage("images\page1.png")
	Input.AddImage("images\page2.bmp")
	Input.AddMultiFrameTiff("images\page3.tiff")

	' Deskew the images to correct orientation
	Input.Deskew()

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

La función SaveAsSearchablePdf ayuda a guardar los archivos como buscables.

Características de IronOCR

IronOCR admite 125 idiomas. IronOCR también admite códigos QR y códigos de barras de más de 20 tipos de lectura. IronOCR puede convertir imágenes a Escala de Grises para un mejor resultado. IronOCR puede mejorar la resolución de la imagen manual y automáticamente. También admite funcionalidad de contraste automático para los mejores resultados. IronOCR puede exportar el documento en múltiples idiomas y formatos como PDF buscable, Exportación en HTML e imágenes de cualquier página. IronOCR admite muchos formatos de entrada como los siguientes:

• Imágenes (JPG, PNG, GIF, Tiff, BMP)
• Gif y Tiff de varias páginas
• Objetos System.Drawing
• Streams
• PDFs

IronOCR

IronOCR es gratuito para el desarrollo. También ofrece una versión de prueba gratuita para el desarrollo. IronOCR tiene una variedad de planes de precios para producción. Puedes comprar el plan que mejor se adapte a tus necesidades. Hay planes de precios a nivel individual, de equipo de desarrollo y organizacional. Los precios comienzan desde $799 para un plan Lite para un desarrollador y un proyecto. Todos los planes son pagos únicos. Los usuarios reciben actualizaciones gratuitas por un año. También admite cobertura SaaS y OEM. Los planes profesionales están disponibles a $999, mientras que el plan ilimitado tiene un precio de $2,999. El plan ilimitado incluye desarrolladores, proyectos y ubicaciones ilimitadas.

You can learn more about the pricing plans by following this link. Además, Iron Software actualmente tiene una oferta especial donde puedes comprar una suite de cinco paquetes de software por el precio de solo dos. Estos cinco paquetes de software son todos excelentes: IronPDF, IronXL, IronOCR, IronBarcode y IronWebscraper.

El SDK de Tesseract.NET

El Tesseract.NET SDK también tiene un plan de precios. El plan del Tesseract.NET SDK comienza desde $220 para un desarrollador y un proyecto. Una cosa importante a saber aquí es que el plan de precios incluye un plan de renovación. Por lo tanto, debes pagar ya sea anualmente o mensualmente para asegurarte de que el Tesseract.NET SDK esté funcionando en tu proyecto. You can learn more about the pricing plan for the Tesseract.NET SDK at this link.