OCR en C# Tutorial de CodeProject: Extraer Texto de Imágenes con IronOCR

¿Cómo configuro una biblioteca OCR en mi proyecto .NET?

La configuración del reconocimiento óptico de caracteres (OCR) en Visual Studio requiere unos pocos pasos. La biblioteca IronOCR está disponible a través de NuGet, lo que facilita su integración en cualquier aplicación de Windows.

Abre Visual Studio y crea un nuevo proyecto de aplicación de consola. En el Explorador de soluciones, haga clic con el botón derecho en Referencias y seleccione "Administrar paquetes NuGet" Busque "IronOcr" e instale el paquete. El gestor de paquetes NuGet descarga todos los archivos DLL necesarios y añade referencias a su proyecto automáticamente.

// Install via Package Manager Console
Install-Package IronOCR

// Install via Package Manager Console
Install-Package IronOCR

IRON VB CONVERTER ERROR developers@ironsoftware.com

Una vez instalado, añada la sentencia using para importar el espacio de nombres IronOCR en su programa. La biblioteca es compatible con .NET Framework 4.6.2+ y .NET Core, lo que garantiza la compatibilidad con distintos tipos de proyectos y versiones de Windows.

¿Cómo puedo extraer texto de un archivo de imagen?

El primer paso en el proceso de OCR es cargar una imagen y pasarla por el motor de OCR. IronOCR proporciona la clase IronTesseract como API de OCR principal para las operaciones de reconocimiento de caracteres. Este ejemplo de OCR muestra el enfoque fundamental para extraer texto de cualquier archivo de imagen.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        // Initialize the new Tesseract engine
        var ocr = new IronTesseract();
        // Load the image file and perform OCR
        using (var input = new OcrInput())
        {
            input.LoadImage(@"sample-document.png");
            // Process the image and extract text
            OcrResult result = ocr.Read(input);
            // Output the recognized text
            var text = result.Text;
            Console.WriteLine(text);
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        // Initialize the new Tesseract engine
        var ocr = new IronTesseract();
        // Load the image file and perform OCR
        using (var input = new OcrInput())
        {
            input.LoadImage(@"sample-document.png");
            // Process the image and extract text
            OcrResult result = ocr.Read(input);
            // Output the recognized text
            var text = result.Text;
            Console.WriteLine(text);
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cómo puedo procesar documentos escaneados y archivos TIFF?

Las aplicaciones del mundo real suelen requerir el procesamiento de documentos escaneados de varias páginas almacenados como archivos TIFF. La biblioteca de OCR maneja estos escenarios de manera eficiente al permitir a los desarrolladores cargar rangos de páginas específicos o procesar documentos completos. Este código de ejemplo muestra cómo trabajar con imágenes TIFF de varios fotogramas.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Load specific pages from a multi-page TIFF file
            int[] pageIndices = new int[] { 0, 1, 2 };
            input.LoadImageFrames(@"scanned-documents.tiff", pageIndices);
            // Apply image enhancement for better results
            input.Deskew();
            OcrResult result = ocr.Read(input);
            // Access page-by-page results
            foreach (var page in result.Pages)
            {
                Console.WriteLine($"Page {page.PageNumber}:");
                Console.WriteLine(page.Text);
            }
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Load specific pages from a multi-page TIFF file
            int[] pageIndices = new int[] { 0, 1, 2 };
            input.LoadImageFrames(@"scanned-documents.tiff", pageIndices);
            // Apply image enhancement for better results
            input.Deskew();
            OcrResult result = ocr.Read(input);
            // Access page-by-page results
            foreach (var page in result.Pages)
            {
                Console.WriteLine($"Page {page.PageNumber}:");
                Console.WriteLine(page.Text);
            }
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

¿Cómo puedo tratar los errores del código OCR y mejorar los resultados del reconocimiento?

Las aplicaciones de producción requieren un tratamiento adecuado de los errores para gestionar diversos escenarios de excepción. Los problemas de calidad de la imagen, los formatos de archivo no compatibles o los archivos dañados pueden hacer que falle el proceso de OCR. La implementación del manejo de excepciones garantiza que su aplicación responda con elegancia a estas situaciones.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        // Configure the OCR engine for your language
        ocr.Language = OcrLanguage.English;
        try
        {
            using (var input = new OcrInput())
            {
                input.LoadImage(@"document.png");
                // Enhance low-quality images
                input.DeNoise();
                input.Deskew();
                OcrResult result = ocr.Read(input);
                if (result.Text.Length > 0)
                {
                    Console.WriteLine("Recognized text:");
                    Console.WriteLine(result.Text);
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"OCR Error: {ex.Message}");
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        // Configure the OCR engine for your language
        ocr.Language = OcrLanguage.English;
        try
        {
            using (var input = new OcrInput())
            {
                input.LoadImage(@"document.png");
                // Enhance low-quality images
                input.DeNoise();
                input.Deskew();
                OcrResult result = ocr.Read(input);
                if (result.Text.Length > 0)
                {
                    Console.WriteLine("Recognized text:");
                    Console.WriteLine(result.Text);
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"OCR Error: {ex.Message}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

La propiedad Idioma configura qué paquete de idiomas utiliza el motor de OCR para el reconocimiento de texto. IronOCR es compatible con más de 125 idiomas, cada uno de ellos disponible como paquetes NuGet independientes. El filtro DeNoise elimina los artefactos digitales de los documentos escaneados, mientras que Deskew corrige la alineación; ambos elementos son fundamentales para obtener resultados de reconocimiento óptimos a partir de imágenes de origen imperfectas.

¿Cómo puedo crear un PDF con capacidad de búsqueda a partir de texto reconocido?

La conversión de documentos escaneados en archivos PDF con capacidad de búsqueda es una de las aplicaciones de OCR más valiosas. Los usuarios pueden buscar, seleccionar y copiar texto de documentos que antes sólo contenían imágenes. Esta transformación permite a los sistemas de gestión de documentos indexar los contenidos y mejorar la accesibilidad.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Set document metadata
            input.Title = "Converted Document";
            // Load source images or existing PDF
            input.LoadImage(@"page1.png");
            input.LoadImage(@"page2.png");
            OcrResult result = ocr.Read(input);
            // Save as searchable PDF with embedded text layer
            result.SaveAsSearchablePdf(@"searchable-output.pdf");
            Console.WriteLine("Searchable PDF created successfully.");
            Console.WriteLine($"Total pages processed: {result.Pages.Count}");
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Set document metadata
            input.Title = "Converted Document";
            // Load source images or existing PDF
            input.LoadImage(@"page1.png");
            input.LoadImage(@"page2.png");
            OcrResult result = ocr.Read(input);
            // Save as searchable PDF with embedded text layer
            result.SaveAsSearchablePdf(@"searchable-output.pdf");
            Console.WriteLine("Searchable PDF created successfully.");
            Console.WriteLine($"Total pages processed: {result.Pages.Count}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Conclusión

Implementar el reconocimiento óptico de caracteres en proyectos de C# se convierte en algo sencillo con IronOCR. La biblioteca gestiona el procesamiento de imágenes complejas, admite varios formatos de imagen e idiomas y ofrece opciones de salida flexibles, incluida la generación de PDF con función de búsqueda. Desde la simple extracción de texto hasta el procesamiento de documentos TIFF de varias páginas, los ejemplos de este tutorial muestran los flujos de trabajo básicos que necesitan los desarrolladores.

La documentación de IronOCR proporciona ejemplos de código adicionales para filtros de imagen avanzados, lectura de códigos de barras y procesamiento de OCR específico de región. La API reference detalla todas las clases y métodos disponibles para crear soluciones integrales de procesamiento de documentos.

Empiece con IronOCR ahora.

Comience gratis

¿Listo para implementar el OCR en tu próximo proyecto? Compra una licencia para desplegar IronOCR en entornos de producción con soporte completo y actualizaciones.