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

¿Cómo se instala IronOCR en un proyecto .NET?

La forma más rápida de añadir OCR a un proyecto .NET 10 es a través del Gestor de paquetes NuGet. Abre un terminal en el directorio de tu proyecto y ejecuta el comando dotnet CLI, o utiliza la Consola del Administrador de paquetes dentro de Visual Studio:

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

Tras la instalación, el gestor de paquetes NuGet descarga todos los ensamblados necesarios y configura las referencias automáticamente. IronOCR está destinado a .NET Framework 4.6.2+, .NET Core 3.1+ y .NET 5 hasta .NET 10, por lo que funciona en aplicaciones de consola, servicios ASP.NET Core, aplicaciones WPF y Azure Functions.

No es necesario registrar una clave de licencia para realizar pruebas locales; aparecerá una marca de agua de prueba en el resultado hasta que se aplique una licencia. Añade la directiva using y, cuando estés listo para la producción, pasa tu clave una vez al iniciar:

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

Imports IronOcr

' Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Consulte la página de licencias de IronOCR para obtener información sobre precios y activación.

¿Cómo se extrae texto de un archivo de imagen?

El flujo de trabajo principal de OCR incluye tres objetos: IronTesseract (el motor), OcrInput (el contenedor de entrada) y OcrResult (la salida). El ejemplo siguiente lee un archivo PNG e imprime el texto reconocido en la consola.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("sample-document.png")

    Dim result As OcrResult = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

¿Cómo se procesan los documentos escaneados y los archivos TIFF?

Los archivos TIFF de varias páginas son habituales en los flujos de trabajo de digitalización de documentos. IronOCR los maneja con LoadImageFrames, lo que le permite elegir exactamente qué marcos (páginas) procesar -- útil cuando sólo necesita un subconjunto de un archivo grande.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    Dim pageIndices As Integer() = {0, 1, 2}
    input.LoadImageFrames("scanned-documents.tiff", pageIndices)

    ' Correct skew and remove noise before reading
    input.Deskew()
    input.DeNoise()

    Dim result As OcrResult = ocr.Read(input)

    For Each page In result.Pages
        Console.WriteLine($"Page {page.PageNumber}:")
        Console.WriteLine(page.Text)
    Next
End Using

¿Cómo se configura la compatibilidad con idiomas para el OCR?

Por defecto, IronOCR lee texto en inglés. Para procesar documentos en otros idiomas, instale el paquete NuGet del idioma correspondiente y establezca la propiedad Language en la instancia IronTesseract.

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

A continuación, configure el motor y, para los documentos bilingües, añada un idioma secundario:

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr
Imports IronOcr.Languages

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.German

' For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French)

Using input As New OcrInput()
    input.LoadImage("german-invoice.png")

    Dim result As OcrResult = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

IronOCR admite más de 125 idiomas, cada uno de ellos distribuido como un paquete NuGet independiente y ligero. Esto mantiene pequeño el binario de producción: solo se incluyen los datos de idioma que tu aplicación realmente necesita. El motor combina modelos lingüísticos primarios y secundarios durante el reconocimiento cuando se llama a AddSecondaryLanguage.

¿Cómo se gestionan los errores de OCR y se mejoran los resultados de reconocimiento?

Las aplicaciones de producción necesitan un manejo de errores en torno al proceso de OCR. Los problemas de calidad de imagen, los archivos que faltan o los formatos no compatibles pueden provocar excepciones. Envolver la llamada en un bloque try/catch te proporciona una ruta de recuperación clara.

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.English

Try
    Using input As New OcrInput()
        input.LoadImage("document.png")
        input.DeNoise()
        input.Deskew()

        Dim result As OcrResult = ocr.Read(input)

        If result.Text.Length > 0 Then
            Console.WriteLine("Recognised text:")
            Console.WriteLine(result.Text)
        Else
            Console.WriteLine("No text was detected in the image.")
        End If
    End Using
Catch ex As Exception
    Console.WriteLine($"OCR error: {ex.Message}")
End Try

Algunos ajustes adicionales que pueden ayudar cuando la precisión es inferior a la esperada:

• ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto -- permite a Tesseract elegir automáticamente entre diseños de una columna, varias columnas y una sola palabra
• ocr.Configuration.ReadBarCodes = false -- desactiva la detección de códigos de barras si está procesando documentos de sólo texto y desea un rendimiento más rápido
• ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5 -- garantiza el uso del motor más rápido disponible

En formularios estructurados donde los campos aparecen en posiciones predecibles, utilice el OCR basado en regiones para leer solo las áreas que importan:

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr
Imports IronSoftware.Drawing

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    Dim region As New CropRectangle(x:=50, y:=200, width:=600, height:=100)
    input.LoadImage("form.png", region)

    Dim result As OcrResult = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Limitar el reconocimiento a un rectángulo de recorte reduce el tiempo de procesamiento hasta en un 90 % en imágenes de gran tamaño. Esta técnica es ideal para la extracción de números de factura, la lectura de campos de formularios y el escaneo de documentos de identidad. Hay más detalles disponibles en la guía práctica de OCR de la región.

¿Cómo se crea un PDF con capacidad de búsqueda a partir de texto reconocido?

La conversión de archivos de imágenes escaneadas en archivos PDF con capacidad de búsqueda es uno de los casos de uso más valiosos del OCR. El archivo resultante conserva el aspecto visual original al tiempo que incorpora una capa de texto invisible que los visores de PDF, los motores de búsqueda y los lectores de pantalla pueden indexar.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.Title = "Quarterly Report Q1 2026"
    input.LoadImage("page1.png")
    input.LoadImage("page2.png")
    input.LoadImage("page3.png")

    Dim result As OcrResult = ocr.Read(input)
    result.SaveAsSearchablePdf("searchable-output.pdf")

    Console.WriteLine("Searchable PDF created.")
    Console.WriteLine($"Pages processed: {result.Pages.Count}")
End Using

¿Cómo se leen los BarCodes junto con el texto?

IronOCR puede leer códigos de barras y códigos QR incrustados en la misma imagen que el texto impreso, lo que elimina la necesidad de ejecutar una biblioteca IronOCR independiente. Habilite la función con una propiedad de configuración:

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Los formatos de BarCode compatibles incluyen Code 128, Code 39, EAN-13, EAN-8, UPC-A, UPC-E, PDF417, Data Matrix y QR Code. Encontrará todos los detalles en la guía de lectura de BarCodes de IronOCR.

Esta capacidad resulta especialmente útil en aplicaciones de logística, sanidad y Retail, donde las etiquetas de envío, las pulseras de pacientes y las etiquetas de productos contienen tanto texto legible para el ser humano como BarCodes legibles por máquina.

¿Cómo se compara IronOCR con otras opciones de OCR para .NET?

Los desarrolladores que evalúan bibliotecas de OCR para .NET suelen tener en cuenta IronOCR, Tesseract.NET y servicios en la nube como Google Cloud Vision o Visión por computadora de Azure. La siguiente tabla resume las diferencias clave:

Tesseract, mantenido por Google como un proyecto de código abierto, es el motor que impulsa tanto IronOCR como Tesseract.NET. IronOCR añade un empaquetado propio de .NET, gestión automática de modelos y las funciones de salida de producción (PDF con capacidad de búsqueda, exportación hOCR) de las que carecen los enlaces Tesseract sin procesar. Visión por computadora de Azure ofrece una precisión de vanguardia en la nube, pero introduce una latencia de red y unos costes por llamada que no son adecuados para flujos de trabajo de gran volumen o sin conexión.

En los casos en que las normativas de privacidad de datos prohíben el envío de documentos a servicios externos —historiales médicos, documentos legales, estados financieros—, una biblioteca local como IronOCR es la opción adecuada.

¿Cuales son tus próximos pasos?

Ahora dispone de los componentes básicos para añadir OCR a cualquier aplicación .NET 10: instalación a través de NuGet, extracción básica de imagen a texto, procesamiento de TIFF de varias páginas, configuración de idioma, gestión de errores, lectura basada en regiones, detección de BarCode y generación de PDF con capacidad de búsqueda.

Para profundizar, explore estos recursos de IronOCR:

• Página principal de la documentación de IronOCR: referencia completa de la API y guías de características
• Tutorial de filtros de imagen: guía detallada de todos los filtros de preprocesamiento
• Guía de lectura de BarCodes: códigos QR y BarCodes lineales junto con texto
• Guía práctica de OCR regional: reconocimiento basado en recortes para formularios y documentos de identidad
• Referencia de idiomas: lista completa de más de 125 idiomas compatibles
• Referencia de la API: todas las clases, métodos y propiedades

Si tiene preguntas sobre licencias o desea implementar IronOCR en un entorno de producción, visite la página de licencias de IronOCR. Una licencia de prueba gratuita elimina las marcas de agua de los resultados durante el periodo de evaluación, y el equipo de asistencia de Iron Software está disponible para resolver dudas técnicas en cualquier nivel.

Empiece con IronOCR ahora.

Comience gratis