Primeros pasos con OCR para Azure

C# + VB.NET: Lenguas internacionales Lenguas internacionales
using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

ocrTesseract.Language = OcrLanguage.Arabic;

using (var ocrInput = new OcrInput())
{
    ocrInput.LoadImage(@"images\arabic.gif");
    var ocrResult = ocrTesseract.Read(ocrInput);
    Console.WriteLine(ocrResult.Text);
}

// Example with a Custom Trained Font Being used:

var ocrTesseractCustomerLang = new IronTesseract();
ocrTesseractCustomerLang.UseCustomTesseractLanguageFile("custom_tesseract_files/custom.traineddata");
ocrTesseractCustomerLang.AddSecondaryLanguage(OcrLanguage.EnglishBest);

using (var ocrInput = new OcrInput())
{
    ocrInput.LoadPdf(@"images\mixed-lang.pdf");
    var ocrResult = ocrTesseractCustomerLang.Read(ocrInput);
    Console.WriteLine(ocrResult.Text);
}
Imports IronOcr
Imports System

Private ocrTesseract = New IronTesseract()

ocrTesseract.Language = OcrLanguage.Arabic

Using ocrInput As New OcrInput()
	ocrInput.LoadImage("images\arabic.gif")
	Dim ocrResult = ocrTesseract.Read(ocrInput)
	Console.WriteLine(ocrResult.Text)
End Using

' Example with a Custom Trained Font Being used:

Dim ocrTesseractCustomerLang = New IronTesseract()
ocrTesseractCustomerLang.UseCustomTesseractLanguageFile("custom_tesseract_files/custom.traineddata")
ocrTesseractCustomerLang.AddSecondaryLanguage(OcrLanguage.EnglishBest)

Using ocrInput As New OcrInput()
	ocrInput.LoadPdf("images\mixed-lang.pdf")
	Dim ocrResult = ocrTesseractCustomerLang.Read(ocrInput)
	Console.WriteLine(ocrResult.Text)
End Using

IronOCR admite 125 idiomas internacionales.

Aparte del inglés, que se instala por defecto, puede añadir paquetes de idiomas a su proyecto .NET a través de NuGet o descargándolos de nuestra página webPágina de idiomas.

La mayoría de las lenguas están disponibles en Rápido, Estándar(recomendado) y la mejor calidad. El mejor puede ser más preciso, pero también es más lento.

C# + VB.NET: Objetos de resultados Objetos de resultados
using IronOcr;
using IronSoftware.Drawing;

// We can delve deep into OCR results as an object model of
// Pages, Barcodes, Paragraphs, Lines, Words and Characters
// This allows us to explore, export and draw OCR content using other APIs/
var ocrTesseract = new IronTesseract();

ocrTesseract.Configuration.ReadBarCodes = true;

using var ocrInput = new OcrInput();
var pages = new int[] { 1, 2 };
ocrInput.LoadImageFrames("example.tiff", pages);

OcrResult ocrResult = ocrTesseract.Read(ocrInput);
foreach (var page in ocrResult.Pages)
{
    // Page object
    int PageNumber = page.PageNumber;
    string PageText = page.Text;
    int PageWordCount = page.WordCount;
    // null if we dont set Ocr.Configuration.ReadBarCodes = true;
    OcrResult.Barcode[] Barcodes = page.Barcodes;
    AnyBitmap PageImage = page.ToBitmap(ocrInput);
    double PageWidth = page.Width;
    double PageHeight = page.Height;
    double PageRotation = page.Rotation; // angular correction in degrees from OcrInput.Deskew()

    foreach (var paragraph in page.Paragraphs)
    {
        // Pages -> Paragraphs
        int ParagraphNumber = paragraph.ParagraphNumber;
        string ParagraphText = paragraph.Text;
        AnyBitmap ParagraphImage = paragraph.ToBitmap(ocrInput);
        int ParagraphX_location = paragraph.X;
        int ParagraphY_location = paragraph.Y;
        int ParagraphWidth = paragraph.Width;
        int ParagraphHeight = paragraph.Height;
        double ParagraphOcrAccuracy = paragraph.Confidence;
        OcrResult.TextFlow paragrapthText_direction = paragraph.TextDirection;
        foreach (var line in paragraph.Lines)
        {
            // Pages -> Paragraphs -> Lines
            int LineNumber = line.LineNumber;
            string LineText = line.Text;
            AnyBitmap LineImage = line.ToBitmap(ocrInput);
            int LineX_location = line.X;
            int LineY_location = line.Y;
            int LineWidth = line.Width;
            int LineHeight = line.Height;
            double LineOcrAccuracy = line.Confidence;
            double LineSkew = line.BaselineAngle;
            double LineOffset = line.BaselineOffset;
            foreach (var word in line.Words)
            {
                // Pages -> Paragraphs -> Lines -> Words
                int WordNumber = word.WordNumber;
                string WordText = word.Text;
                AnyBitmap WordImage = word.ToBitmap(ocrInput);
                int WordX_location = word.X;
                int WordY_location = word.Y;
                int WordWidth = word.Width;
                int WordHeight = word.Height;
                double WordOcrAccuracy = word.Confidence;
                foreach (var character in word.Characters)
                {
                    // Pages -> Paragraphs -> Lines -> Words -> Characters
                    int CharacterNumber = character.CharacterNumber;
                    string CharacterText = character.Text;
                    AnyBitmap CharacterImage = character.ToBitmap(ocrInput);
                    int CharacterX_location = character.X;
                    int CharacterY_location = character.Y;
                    int CharacterWidth = character.Width;
                    int CharacterHeight = character.Height;
                    double CharacterOcrAccuracy = character.Confidence;
                    // Output alternative symbols choices and their probability.
                    // Very useful for spellchecking
                    OcrResult.Choice[] Choices = character.Choices;
                }
            }
        }
    }
}
Imports IronOcr
Imports IronSoftware.Drawing

' We can delve deep into OCR results as an object model of
' Pages, Barcodes, Paragraphs, Lines, Words and Characters
' This allows us to explore, export and draw OCR content using other APIs/
Private ocrTesseract = New IronTesseract()

ocrTesseract.Configuration.ReadBarCodes = True

Dim ocrInput As New OcrInput()
Dim pages = New Integer() { 1, 2 }
ocrInput.LoadImageFrames("example.tiff", pages)

Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)
For Each page In ocrResult.Pages
	' Page object
	Dim PageNumber As Integer = page.PageNumber
	Dim PageText As String = page.Text
	Dim PageWordCount As Integer = page.WordCount
	' null if we dont set Ocr.Configuration.ReadBarCodes = true;
	Dim Barcodes() As OcrResult.Barcode = page.Barcodes
	Dim PageImage As AnyBitmap = page.ToBitmap(ocrInput)
	Dim PageWidth As Double = page.Width
	Dim PageHeight As Double = page.Height
	Dim PageRotation As Double = page.Rotation ' angular correction in degrees from OcrInput.Deskew()

	For Each paragraph In page.Paragraphs
		' Pages -> Paragraphs
		Dim ParagraphNumber As Integer = paragraph.ParagraphNumber
		Dim ParagraphText As String = paragraph.Text
		Dim ParagraphImage As AnyBitmap = paragraph.ToBitmap(ocrInput)
		Dim ParagraphX_location As Integer = paragraph.X
		Dim ParagraphY_location As Integer = paragraph.Y
		Dim ParagraphWidth As Integer = paragraph.Width
		Dim ParagraphHeight As Integer = paragraph.Height
		Dim ParagraphOcrAccuracy As Double = paragraph.Confidence
		Dim paragrapthText_direction As OcrResult.TextFlow = paragraph.TextDirection
		For Each line In paragraph.Lines
			' Pages -> Paragraphs -> Lines
			Dim LineNumber As Integer = line.LineNumber
			Dim LineText As String = line.Text
			Dim LineImage As AnyBitmap = line.ToBitmap(ocrInput)
			Dim LineX_location As Integer = line.X
			Dim LineY_location As Integer = line.Y
			Dim LineWidth As Integer = line.Width
			Dim LineHeight As Integer = line.Height
			Dim LineOcrAccuracy As Double = line.Confidence
			Dim LineSkew As Double = line.BaselineAngle
			Dim LineOffset As Double = line.BaselineOffset
			For Each word In line.Words
				' Pages -> Paragraphs -> Lines -> Words
				Dim WordNumber As Integer = word.WordNumber
				Dim WordText As String = word.Text
				Dim WordImage As AnyBitmap = word.ToBitmap(ocrInput)
				Dim WordX_location As Integer = word.X
				Dim WordY_location As Integer = word.Y
				Dim WordWidth As Integer = word.Width
				Dim WordHeight As Integer = word.Height
				Dim WordOcrAccuracy As Double = word.Confidence
				For Each character In word.Characters
					' Pages -> Paragraphs -> Lines -> Words -> Characters
					Dim CharacterNumber As Integer = character.CharacterNumber
					Dim CharacterText As String = character.Text
					Dim CharacterImage As AnyBitmap = character.ToBitmap(ocrInput)
					Dim CharacterX_location As Integer = character.X
					Dim CharacterY_location As Integer = character.Y
					Dim CharacterWidth As Integer = character.Width
					Dim CharacterHeight As Integer = character.Height
					Dim CharacterOcrAccuracy As Double = character.Confidence
					' Output alternative symbols choices and their probability.
					' Very useful for spellchecking
					Dim Choices() As OcrResult.Choice = character.Choices
				Next character
			Next word
		Next line
	Next paragraph
Next page

IronOCR devuelve un objeto de resultado avanzado por cada página que escanea utilizando Tesseract 5. Contiene datos de localización, imágenes, texto, confianza estadística, opciones de símbolos alternativos, nombres de fuentes, decoración de tamaños de fuentes, pesos de fuentes y posición para cada uno:

  • Página
  • Párrafo
  • Línea de texto
  • Palabra
  • Carácter individual
  • y código de barras

Human Support related to API de OCR de Azure

Apoyo humano directo de nuestro equipo de desarrollo

Ya se trate de consultas sobre productos, integración o licencias, el equipo de desarrollo de productos de Iron está a su disposición para responder a todas sus preguntas. Póngase en contacto e inicie un diálogo con Iron para sacar el máximo partido de nuestra biblioteca en su proyecto.

Formule una pregunta
Image To Text related to API de OCR de Azure

Motor de lectura OCR para Azure en .NET

Su solución OCR de Microsoft Azure para procesar imágenes imperfectas

Ya sean páginas de pasaporte, facturas, extractos bancarios, correos, tarjetas de visita o recibos; el Reconocimiento Óptico de Caracteres (OCR) es un campo de investigación basado en el reconocimiento de patrones, la visión por computadora y el aprendizaje automático. Las empresas utilizan OCR de manera transversal en departamentos para extraer texto en sistemas de contabilidad y finanzas, digitalización empresarial, gestión de contenido empresarial y sistemas de informe de datos.

Además de construir otras historias de éxito, IronOCR añade valor a Google Tesseract y Microsoft 2021 Azure Cognitive Services con IronOCR, una biblioteca OCR nativa en C#.

Si está buscando convertir imágenes del mundo real con un 99 por ciento de precisión, siga leyendo para ver cómo IronOCR le permite crear una aplicación de Reconocimiento Óptico de Caracteres eficiente, precisa, escalable y casi humana.

IronOCR marca la diferencia entre un reconocimiento óptico de caracteres competitivo en el mercado y uno líder en el mercado

El Reconocimiento Óptico de Caracteres (OCR) se considera un fenómeno resuelto debido a la inmensa confianza que varias APIs aseguran hacia la protección. Sin embargo, los diversos productos suelen ser rígidos e inexactos, fallando en aplicaciones del mundo real. De manera similar, Tesseract OCR trabaja con texto impreso por máquina, de alta resolución y perfecto.

¿Suena bien?

Solo que el mundo real no siempre tiene texto impreso y escrito a mano perfectamente y con alta resolución. En su lugar, IronOCR se encarga de texto girado, sesgado, con baja DPI, ruido de fondo y todas las plagas de imperfecciones digitales, incluyendo la extracción de texto manuscrito de archivos de imagen. Aseguramos un documento exacto al 99,8-100 por ciento, con soporte multiplataforma que incluye Windows, Linux, macOS, Microsoft Azure, AWS y Docker; hay una razón por la cual los desarrolladores de C# eligen IronOCR sobre (el básico) Tesseract OCR — todo se trata de agregar valor.

¡Équipese con lo mejor!

Además de lo anterior, IronOCR le permite procesar documentos de imagen puntualmente. Por si eso no fuera todo, las características de la API de IronOCR también incluyen lo siguiente:

  • Extraer texto impreso mediante OCR en casi cualquier archivo, imagen o PDF con excepcional precisión y velocidad ultrarrápida
  • Extracción de texto de PDFs e imágenes en documentos buscables con perfecta representación visual y espacial
  • No requiere exes o código C++
  • Soporte completo de OCR para PDF
  • Compatible con aplicaciones MVC, WebApp, Desktop, Console y Server
  • Soporte completo de .NET Core, Standard y FrameWork
  • Leer usando C# & VB .NET
  • Exportar OCR a XHTML
  • Soporta multihilos
  • Soporta 125 idiomas internacionales - paquetes de lenguaje listos para usar y construidos a medida
  • Extrae imágenes, coordenadas, estadísticas, fuentes y mucho más
  • Redistribuye Tesseract OCR dentro de aplicaciones comerciales y propietarias
  • Ejecuta localmente, no se requiere SaaS
  • Excelente alternativa al servicio de OCR de Microsoft Cognitive Services

Características prácticamente ilimitadas - IronOCR es 'la' herramienta de reconocimiento óptico de caracteres OCR para el espacio de trabajo digital

Transición de la instalación de .dlls nativas o exes a una sola fuente de verdad — desarrollar utilizando una única biblioteca de componentes .NET nativa usando API de C# simples que soportan:

  • .NET Framework 4.5 y superior
  • .NET Standard 2.0 y superior (incluyendo 3.x & .NET 5 Beta)
  • .NET Core 2.0 y superior (incluyendo 3.x & .NET 5 Beta)
  • .NET 5
  • Xamarin para macOS

El arte de la API de IronOCR no termina ahí; puede continuar explorando nuestra ventaja técnica características más a fondo. Reducimos las complejidades empresariales, un paso a la vez, desarrollando soluciones confiables para simplificar las aplicaciones de procesamiento de documentos y maximizando los ingresos empresariales al ofrecer características líderes en la industria que se han integrado:

  • Capacidades de API OCR puras .NET
  • Operación OCR local, sin nube más seguridad
  • Crear recursos de escaneo optimizados de baja calidad, ruidosos y distorsionados
  • Lee PDFs, TIFFs de múltiples páginas
  • Puede guardar cualquier muestra de escaneo OCR en un documento PDF o XHTML que los usuarios puedan buscar
  • Texto plano, datos de código de barras y una clase de resultado de OCR que contiene párrafos, líneas, palabras y caracteres

Ventaja de la API de IronOCR: ¿Cumple la visión por computadora?

Nuestro proceso de reconocimiento óptico de caracteres comienza con el preprocesamiento automatizado de imágenes, para mejorar el archivo de imagen que mejora la tasa de respuesta de extracción. IronOCR agrega valor a su trabajo al permitir a los usuarios extraer el archivo de imagen base de ejemplo en la versión óptima del mismo. IronOCR cubre todos los aspectos:

Mejora de resolución

Como el servicio IronOCR funciona óptimamente en archivos de imagen de 300DPI (Puntos Por Pulgada), cualquier imagen que esté significativamente fuera de los 200-300 DPI se remuestrea para ajustarse al rango objetivo.

Esto traduce el muestreo descendente de imágenes de 600 DPI a 300 DPI o el muestreo ascendente de imágenes de 100 DPI a 200 DPI con un 99 por ciento de confianza.

Binarización

Como los servicios cognitivos de IronOCR están diseñados para funcionar sobre imágenes monocromáticas, cualquier imagen en color o en escala de grises se convierte a monocromáticas, utilizando un algoritmo de binarización adaptativa.

El algoritmo compara las densidades de píxeles dentro de un área que determina el umbral a usar para convertir píxeles a monocromáticos.

Auto-Rotación y Corrección de Sesgo

IronOCR busca líneas de texto y patrones de caracteres para corregir automáticamente el sesgo y rotar recursos de imagen de entrada a la orientación deseada.

Eliminación de Ruido Adaptativa

Con IronOCR, los archivos de imagen se analizan automáticamente en busca de la presencia y cantidad de ruido. El ruido es básicamente las ‘motas’ que se encuentran en las imágenes escaneadas. Nuestro algoritmo adaptativo luego elimina el ruido basado en el tamaño de las partículas de ruido.

Tan pronto como el archivo de imagen de muestra se haya preprocesado, IronOCR divide el archivo de imagen de entrada en diferentes zonas de procesamiento.

Zoneado

Otra fase de pre-preparación implica dividir la imagen de referencia en diferentes zonas lógicas. IronOCR primero localiza texto y imágenes dentro de la imagen con la ayuda de espacios en blanco y patrones; la región de texto se separa de las imágenes.

Luego se divide en zonas - párrafos, columnas y bloques de texto. Las imágenes y los píxeles no textuales restantes se identifican para omitir durante el reconocimiento de texto e incluir en la salida inteligente. IronOCR luego marca las zonas de texto como tablas con la ayuda de líneas de cuadrícula y bloques de texto.

Capacidades de Reconocimiento de Texto

Realiza múltiples pasos interconectados que convierten blobs de píxeles en hilos de texto de una sola línea que los usuarios pueden buscar. Esto incluye segmentación de caracteres, clasificación adaptativa, referencias de diccionario y otros procesos relacionados que contribuyen hacia el texto óptimamente extraído.

Parámetros probados y verificados

Con el servicio de API de IronOCR, hemos probado nuestra herramienta a través de múltiples archivos de datos ejemplos en múltiples idiomas que incluyen niveles de palabras, precisión de símbolos y retención de diseño en formatos de Microsoft Office. Aunque algunos parámetros se prueban automáticamente; otros incluyen verificaciones visuales.

Conéctese con IronOCR: la solución ideal de servicios cognitivos OCR

IronOCR le permite agregar capacidades OCR multiplataforma con múltiples formatos de entrada a una cadena de texto plano que puede buscar. Para potenciar su productividad con IronOCR, comience con nuestra documentación tutorial gratuita que lo guiará en el uso de IronOCR. Descargue nuestro instalador de paquetes NuGet hoy, y explore con una clave de prueba gratuita o conéctese con soporte personal 24/7. Escale sus necesidades con nuestro licenciamiento de por vida, sin importar el tamaño de su equipo.

Funciona con .NET, VB.NET, C#

Ver licencias
Soportes:
  • .NET Framework 4.0 y superior compatible con C#, VB, F#
  • Microsoft Visual Studio. Icono IDE de desarrollo .NET
  • Soporte del instalador NuGet para Visual Studio
  • Asistente de lenguaje JetBrains ReSharper C# compatible
  • Compatible con la plataforma de alojamiento Microsoft Azure C# .NET

Licencias y precios

Licencias de desarrollo comunitario gratuitas. Licencias comerciales desde $749.

Proyecto C# + VB.NET Licencia de biblioteca

Proyecto

Desarrollador C# + VB.NET Licencia de biblioteca

Desarrollador

Organización C# + VB.NET Library Licencia

Organización

Agencia de licencias de bibliotecas C# + VB.NET

Agencia

SaaS C# + VB.NET Library Licencias

SaaS

Licencia de biblioteca OEM C# + VB.NET

OEM

Ver todas las opciones de licencia  

Tutoriales de OCR de nuestra comunidad .NET

.NET Tesseract Alternativa | IronOCR

C# Tesseract OCR

Jim Baker es ingeniero de desarrollo de Iron para el producto OCR

Comparación entre IronOCR y Tesseract en .NET

Jim ha sido una figura destacada en el desarrollo de IronOCR. Jim diseña y construye algoritmos de procesamiento de imágenes y métodos de lectura para OCR.

Ver comparación
Texto a Imagen en .NET | Tutorial

C# OCR ASP.NET

Gemma Beckford - Ingeniera de soluciones Microsoft

Texto a partir de imágenes para .NET

Descubra cómo el equipo de Gemma utiliza IronOCR para leer texto de imágenes para su software de archivo. Gemma comparte sus propios ejemplos de código.

Tutorial de imagen a texto .NET
Miles de desarrolladores utilizan IronOcr para...

Sistemas contables y financieros

  • # Recibos
  • # Informes
  • # Impresión de facturas
Añada compatibilidad con PDF a los sistemas de contabilidad y finanzas ASP.NET

Digitalización empresarial

  • # Documentación
  • # Pedidos & Etiquetado
  • # Sustitución del papel
Casos prácticos de digitalización empresarial en C#

Gestión de contenidos empresariales

  • # Producción de contenidos
  • # Gestión de documentos
  • # Distribución de contenidos
.NET CMS Soporte PDF

Aplicaciones de datos e informes

  • # Seguimiento del rendimiento
  • # Mapa de tendencias
  • # Informes
Informes PDF en C#
Desarrolladores de componentes .NET para empresas de Iron Software

Miles de empresas, gobiernos, PYME y desarrolladores confían en los productos de software de Iron.

El equipo de Iron cuenta con más de 10 años de experiencia en el mercado de componentes de software .NET.

ANZ
Nexudus
Medcode
Foley
Vireq
Marval
GE
Equinor