OCR chino en C# y .NET

Crear o abrir un proyecto de C

Para comenzar con IronOCR, tenemos que crear un proyecto C# .NET. Estamos usando Visual Studio 2022 para este propósito. Puede elegir una versión según sus necesidades. Se recomienda la última versión de Visual Studio para una experiencia fluida. Crearemos una interfaz GUI para seleccionar la imagen. También podemos utilizar IronOCR en una aplicación de consola proporcionando la ruta directa de la imagen. Implementa los siguientes pasos para crear un proyecto en C# en Visual Studio 2022:

• Abre Visual Studio 2022.
• Haga clic en el botón "Crear un nuevo proyecto".

• Escriba "Windows" en la barra de búsqueda, seleccione la "Aplicación de Windows Form" de los resultados de búsqueda y haga clic en el botón "Siguiente".

• Da un nombre al proyecto. Estoy asignando el nombre "ChineseOCR" al proyecto. Después del nombre, haga clic en el botón "Siguiente".

• Seleccione el .NET framework en la siguiente pantalla. Seleccione el .NET framework según las necesidades de su proyecto. Estamos seleccionando la versión .NET 5.0 para este tutorial.

• Después de seleccionar, haz clic en el botón "Create". Creará fácilmente el proyecto de C# Windows Form en Visual Studio.

El proyecto ha sido creado y ahora está listo para usarse en la biblioteca IronOCR. También podemos utilizar el proyecto C# ya existente. Abra el proyecto e inicie la instalación de la biblioteca IronOCR. La siguiente sección explorará los métodos para instalar la biblioteca IronOCR en proyectos de C#.

Uso del Administrador de paquetes NuGet

Para instalar la biblioteca IronOCR con el Administrador de Paquetes NuGet, debemos abrir la interfaz del Administrador de Paquetes NuGet. Siga los siguientes pasos para instalar la biblioteca IronOCR:

• Haga clic en "Herramientas" en el menú principal, en el menú desplegable, coloque el cursor sobre "Administrador de paquetes NuGet" y seleccione "Administrar administrador de paquetes NuGet para la solución".

• Esto abrirá la interfaz del Administrador de Paquetes NuGet. Vaya a la pestaña de exploración y busque IronOCR chino. Seleccione el paquete correcto de los resultados de búsqueda y haga clic en el botón "Instalar" para instalarlo.

*Comenzará a instalar la biblioteca. Después de la instalación, podrás usar la biblioteca IronOCR en tu proyecto.

Uso de la consola del administrador de paquetes

Usar una consola siempre es una opción fácil. También podemos instalar la biblioteca IronOCR usando la consola del administrador de paquetes. Siga los pasos indicados para instalar la biblioteca IronOCR:

• Abre la Consola del Administrador de Paquetes en Visual Studio. Normalmente se encuentra en la parte inferior de Visual Studio.

• Escribe el siguiente comando en la consola:

  Install-Package IronOCR.Languages.Chinese

• Verás el progreso de la instalación de la biblioteca en la consola. Instalará la biblioteca automáticamente. Después de la instalación, nuestro proyecto estará listo para la biblioteca IronOCR.

Desarrollo del frontend

Usaremos los elementos del "Toolbox" para diseñar el frente. Crearemos un botón, un cuadro de imagen, un cuadro de texto enriquecido y dos etiquetas. Arrastraremos y soltaremos estos elementos desde la Caja de herramientas y los colocaremos en el formulario de ventana. Gestionaremos estos elementos con estilo.

El botón se utilizará para seleccionar el archivo de imagen de la PC. Picture Box cargará el archivo de imagen seleccionado y Rich Textbox mostrará el texto de salida. Puede ajustar el tamaño de cada elemento según sus necesidades. El diseño final del frontend se verá así:

Esta ventana aparecerá cuando ejecutes el proyecto. Hemos establecido la alineación de las ventanas para que se formen en el centro de la pantalla. Entonces esta pantalla aparecerá en el centro.

Nuestro frontend está listo. A continuación, es el momento de agregar la funcionalidad de backend del botón.

Código backend para IronOCR

Primero tenemos que importar el espacio de nombres IronOCR para usarlo en nuestro código. Escriba la siguiente línea en la parte superior del archivo:

using IronOCR;

using IronOCR;

Usaremos el botón "Seleccionar imagen" para seleccionar la imagen y cargarla en el Cuadro de imagen. IronOCR procesará la imagen de texto simplificado en chino y mostrará el texto de salida en el cuadro de texto enriquecido. Agreguemos la funcionalidad del botón haciendo doble clic en el botón. Escriba las siguientes líneas de código para agregar la funcionalidad descrita:

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

LOC.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = LOC.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

LOC.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = LOC.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

Cuando un usuario haga clic en el botón, aparecerá un cuadro de diálogo para seleccionar la imagen. Cuando el usuario selecciona la imagen, ésta se cargará automáticamente en el cuadro de imagen. Utilizamos Bitmap() para imprimir imágenes en el cuadro de imagen. Después de eso, IronOCR convertirá las imágenes en texto chino. Establecimos LOC. Idioma al chino tradicional para reconocer texto en chino tradicional. LOC. La función de lectura leerá el proceso y almacenará el resultado del OCR en la variable Resultado. Si necesita guardar el texto en formato PDF, texto o HTML, utilizará la función Guardar como para guardar el archivo en cualquier formato de salida que desee: IronOCR admite múltiples formatos de salida.

Ejecutar el proyecto

Ahora es el momento de ejecutar el proyecto. Haz clic en el botón Ejecutar en Visual Studio. Veremos esta pantalla en nuestra pantalla.

Haz clic en el botón "Select Image". Se abrirá el cuadro de diálogo Seleccionar archivos. Seleccione un archivo de imagen y presione Enter.

Lo cargará en el cuadro de imagen, escaneará automáticamente la imagen y mostrará el resultado en el cuadro de texto.

Esta es la salida de la imagen que seleccionamos. IronOCR también admite la lectura y el escaneo de archivos PDF. Podemos utilizar el formato editable de archivos PDF para escanear y reconocer texto usando IronOCR. Esto también se puede hacer en diferentes idiomas. IronOCR puede convertir el documento PDF existente en un PDF con capacidad de búsqueda. IronOCR tiene muchos filtros de imagen para que las imágenes sean más claras de ver y comprender. Aquí están los filtros:

• Entrada.Binarize()
• Entrada.Contraste()
• Entrada.Descew()
• Entrada.DeNoise()
• Entrada.Dilatar()
• Entrada.EnhanceResolution(300)

Todas estas funciones aumentan la visibilidad de los personajes. IronOCR utiliza estas funciones para borrar y crear un PDF que permita realizar búsquedas. Veamos cómo se puede hacer esto:

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = LOC.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = LOC.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}