Tesseract OCR en Windows (Tutorial de ejemplo de código)

Idioma del instalador

Este es solo el idioma para los cuadros de diálogo y la información de ayuda. Si queremos, podemos ejecutar Tesseract OCR para Windows en varios idiomas:

Idioma del instalador para Tesseract OCR en Windows

Configuración de OCR de Tesseract

La pantalla de configuración recomienda que se cierren todas las demás aplicaciones antes de continuar con la instalación.

La pantalla de instalación de Tesseract OCR para Windows.

Elija la ubicación de instalación

A continuación, elegiremos la ubicación de la instalación. Antes de proceder al siguiente paso, asegúrate de copiar la ubicación de instalación a un archivo .txt. Necesitaremos agregar la ubicación de instalación a las variables de entorno de nuestra máquina una vez que la instalación esté completa.

Elegir la ubicación de la instalación.

Elegir componentes

Por defecto, están seleccionadas las opciones de ScrollView, Training Tools, creación de accesos directos y datos de idioma. A menos que tengas una razón específica para no instalar estos, querrás mantener todos estos seleccionados.

Componentes de instalación predeterminada de Tesseract OCR para Windows.

Si bajamos y expandimos los 'Datos adicionales de script', veremos que tenemos la opción de descargar e instalar datos adicionales de script. Esto puede ser útil para mejorar la precisión de la extracción de texto de ciertos lenguajes de script. Depende de ti si quieres instalar estos.

Componentes opcionales de instalación de script.

Seleccione la carpeta del menú Inicio

En el último paso de la instalación, se nos pedirá que elijamos la carpeta del menú de inicio para los accesos directos de Tesseract OCR para Windows. Dejé el mío configurado al nombre predeterminado: 'Tesseract-OCR'.

Elige la carpeta del menú de inicio para los accesos directos de Tesseract OCR en Windows.

Después de hacer clic en instalar, Tesseract OCR para Windows comenzará a instalarse. El siguiente paso es agregar la ruta de instalación a las variables de entorno de nuestra máquina.

Panel de control

Para agregar la ubicación de instalación a nuestras variables de entorno, ve al menú de Inicio y busca 'variables de entorno'. Deberías ver un resultado para editar las variables de entorno del sistema. Si no lo ves, siempre puedes usar los siguientes pasos: Menú de inicio > Panel de control > Editar las variables de entorno del sistema.

Buscando 'variables de entorno'

Propiedades del sistema

Cuando se presente el cuadro de diálogo 'Propiedades del sistema', querrás asegurarte de que la pestaña Avanzado esté seleccionada, luego haz clic en el botón de Variables de entorno hacia la parte inferior derecha de la pantalla.

Variables de entorno

Bajo variables del sistema, haremos clic en el botón Editar.

Cuando se presente la pantalla de "Editar variable de entorno", haz clic en el botón Nuevo, y pega la ruta de instalación de Tesseract OCR que copiamos anteriormente en el Paso 2. Una vez que hayas hecho esto, haz clic en el botón 'OK'.

Agregar el directorio de instalación de Tesseract OCR para Windows a las variables de entorno

¡Eso es todo! Ahora que hemos ejecutado el instalador .exe y agregado la ubicación de instalación de Tesseract OCR en Windows a nuestras variables de entorno, podemos probar que nuestra instalación está funcionando ejecutando Tesseract en una imagen de prueba.

Instalar DLL

Download the IronOcr DLL directly to your machine.

Instalar NuGet

Alternativamente, puedes instalarlo a través de NuGet con el siguiente comando:

Install-Package IronOcr

Establezca su clave de licencia de IronOCR mediante código

Agrega este código al inicio de tu aplicación antes de que se use IronOCR.

IronOcr.Installation.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01";

IronOcr.Installation.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01";

IronOcr.Installation.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01"

Ejemplo de código para el uso de OCR .NET: Extraer texto de imágenes en C

Usa el Administrador de Paquetes de NuGet para instalar el Paquete NuGet de IronOCR en tu solución de Visual Studio.

// PM > Install-Package IronOcr
// using IronOcr;

var Ocr = new IronTesseract();

// Set the recognition language to English
Ocr.Language = OcrLanguage.English;

using (var Input = new OcrInput())
{
    // Add an example image to the OCR input
    Input.Add(@"img\example.tiff");

    // Optional: Clean the image before processing
    // Input.DeNoise();
    // Input.Deskew();

    // Read the text from the image
    IronOcr.OcrResult result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);

    // Explore the OcrResult using IntelliSense
}

// PM > Install-Package IronOcr
// using IronOcr;

var Ocr = new IronTesseract();

// Set the recognition language to English
Ocr.Language = OcrLanguage.English;

using (var Input = new OcrInput())
{
    // Add an example image to the OCR input
    Input.Add(@"img\example.tiff");

    // Optional: Clean the image before processing
    // Input.DeNoise();
    // Input.Deskew();

    // Read the text from the image
    IronOcr.OcrResult result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);

    // Explore the OcrResult using IntelliSense
}

' PM > Install-Package IronOcr
' using IronOcr;

Dim Ocr = New IronTesseract()

' Set the recognition language to English
Ocr.Language = OcrLanguage.English

Using Input = New OcrInput()
	' Add an example image to the OCR input
	Input.Add("img\example.tiff")

	' Optional: Clean the image before processing
	' Input.DeNoise();
	' Input.Deskew();

	' Read the text from the image
	Dim result As IronOcr.OcrResult = Ocr.Read(Input)

	' Output the recognized text
	Console.WriteLine(result.Text)

	' Explore the OcrResult using IntelliSense
End Using

API de Tesseract 5 en IronOCR Tesseract

Hasta la fecha, IronTesseract es la única implementación conocida de Tesseract 5 para .NET Framework o Core.

// using IronOcr;

var Ocr = new IronTesseract(); // nothing to configure

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

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

// using IronOcr;

var Ocr = new IronTesseract(); // nothing to configure

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

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

' using IronOcr;

Dim Ocr = New IronTesseract() ' nothing to configure

Using Input = New OcrInput("images\image.png")
	Dim result = Ocr.Read(Input)

	' Output the recognized text
	Console.WriteLine(result.Text)
End Using

API de Tesseract 4 en IronOCR Tesseract

// using IronOcr;

var Ocr = new IronTesseract();

// Specify the version of Tesseract
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract4;

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

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

// using IronOcr;

var Ocr = new IronTesseract();

// Specify the version of Tesseract
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract4;

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

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

' using IronOcr;

Dim Ocr = New IronTesseract()

' Specify the version of Tesseract
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract4

Using Input = New OcrInput("images\image.png")
	Dim result = Ocr.Read(Input)

	' Output the recognized text
	Console.WriteLine(result.Text)
End Using

EXACTITUD

COMPATIBILIDAD DE IMÁGENES

ACTUACIÓN

API

IDIOMA