El reconocimiento óptico de caracteres (OCR) es una tecnología que transforma varios formatos de documentos, incluidos documentos escaneados en papel, archivos PDF, archivos digitales o imágenes de texto impreso tomadas con una cámara digital, en datos de texto codificados por máquina, editables y buscables.

IronOCR es una excelente biblioteca de motores OCR que ofrece potentes funcionalidades de OCR a los desarrolladores. En este artículo, exploraremos cómo realizar OCR usando IronOCR con ejemplos de código con Demo de Software OCR.

¿Qué es IronOCR?

IronOCR es una poderosa biblioteca .NET diseñada para facilitar el reconocimiento óptico de caracteres (OCR) dentro de aplicaciones C# y VB.NET. Aprovechando algoritmos avanzados y técnicas de aprendizaje automático, IronOCR puede extraer con precisión texto y contenido de archivos PDF escaneados, imágenes y PDFs, haciendo que sea más fácil procesar, buscar y analizar tales archivos programáticamente.

Con su API sencilla y sus extensas características, los desarrolladores pueden integrar sin problemas capacidades de OCR en sus aplicaciones para automatizar tareas de extracción de datos, procesamiento de documentos, ingreso de datos y gestión de contenido. Ya sea que estés trabajando en negocios, con facturas, informes, extracción automatizada de datos, un PDF buscable, o cualquier otro documento rico en texto, IronOCR ofrece una solución confiable para manejar los requisitos de OCR de manera eficiente.

Introducción a IronOCR

Antes de profundizar en los ejemplos de código, necesitas instalar IronOCR via NuGet Package Manager. Puedes instalar IronOCR ejecutando el siguiente comando en la Consola del Administrador de Paquetes:

Install-Package IronOcr

Realizar OCR con IronOCR

Reconocimiento de texto básico

Para realizar el reconocimiento básico de texto utilizando IronOCR, puedes usar el siguiente fragmento de código:

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        using (var ocrInput = new OcrInput("ocr.png"))
        {
            var ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;
            Console.WriteLine(recognizedText);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        using (var ocrInput = new OcrInput("ocr.png"))
        {
            var ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;
            Console.WriteLine(recognizedText);
        }
    }
}

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract = New IronTesseract()
		Using ocrInput As New OcrInput("ocr.png")
			Dim ocrResult = ocrTesseract.Read(ocrInput)
			Dim recognizedText As String = ocrResult.Text
			Console.WriteLine(recognizedText)
		End Using
	End Sub
End Class

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract = New IronTesseract()
		Using ocrInput As New OcrInput("ocr.png")
			Dim ocrResult = ocrTesseract.Read(ocrInput)
			Dim recognizedText As String = ocrResult.Text
			Console.WriteLine(recognizedText)
		End Using
	End Sub
End Class

Este código utiliza IronOCR para realizar reconocimiento óptico de caracteres (OCR) en un archivo de imagen llamado "ocr.png". Inicializa un objeto IronTesseract y lee la capa de texto del archivo de imagen en un objeto OcrInput.

El resultado de OCR se recupera entonces como recognizedText y se imprime en la consola.

Producción

- LOGO SHOP
- LOREM IPSUM
- DOLOR SITAMET CONSECTETUR
- ADIPISCING ELIT
- 1 LOREM IPSUM $3.20
- 2 ORNARE MALESUADA $9.50
- 3 PORTA FERMENTUM $5.90
- 4 SODALES ARCU $6.00
- 5 ELEIFEND $9.00
- 6 SEMNISIMASSA $0.50
- 7 DUIS FAMES DIS $7.60
- 8 FACILISIRISUS $810
- TOTAL AMOUNT $49.80
- CASH $50.00

- LOGO SHOP
- LOREM IPSUM
- DOLOR SITAMET CONSECTETUR
- ADIPISCING ELIT
- 1 LOREM IPSUM $3.20
- 2 ORNARE MALESUADA $9.50
- 3 PORTA FERMENTUM $5.90
- 4 SODALES ARCU $6.00
- 5 ELEIFEND $9.00
- 6 SEMNISIMASSA $0.50
- 7 DUIS FAMES DIS $7.60
- 8 FACILISIRISUS $810
- TOTAL AMOUNT $49.80
- CASH $50.00

Opciones avanzadas de OCR

IronOCR proporciona varias opciones que te permiten personalizar el proceso de OCR de acuerdo con tus archivos de imagen y requisitos. Por ejemplo, puedes especificar el idioma de OCR, ajustar la configuración de preprocesamiento de la imagen o habilitar la limpieza del texto. Aquí hay un ejemplo que demuestra algunas de estas opciones avanzadas:

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocr = new IronTesseract();
        using var ocrInput = new OcrInput();
        ocrInput.LoadImage(@"images\image.png");
        
        // Set OCR language to English
        ocr.Language = OcrLanguage.English;

        // Enable text cleaning and enhance the resolution
        ocrInput.DeNoise();
        ocrInput.EnhanceResolution(225);

        var result = ocr.Read(ocrInput);
        if (!string.IsNullOrEmpty(result.Text))
        {
            Console.WriteLine($"Recognized Text: {result.Text}");
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocr = new IronTesseract();
        using var ocrInput = new OcrInput();
        ocrInput.LoadImage(@"images\image.png");
        
        // Set OCR language to English
        ocr.Language = OcrLanguage.English;

        // Enable text cleaning and enhance the resolution
        ocrInput.DeNoise();
        ocrInput.EnhanceResolution(225);

        var result = ocr.Read(ocrInput);
        if (!string.IsNullOrEmpty(result.Text))
        {
            Console.WriteLine($"Recognized Text: {result.Text}");
        }
    }
}

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocr = New IronTesseract()
        Using ocrInput = New OcrInput()
            ocrInput.LoadImage("images\image.png")

            ' Set OCR language to English
            ocr.Language = OcrLanguage.English

            ' Enable text cleaning and enhance the resolution
            ocrInput.DeNoise()
            ocrInput.EnhanceResolution(225)

            Dim result = ocr.Read(ocrInput)
            If Not String.IsNullOrEmpty(result.Text) Then
                Console.WriteLine($"Recognized Text: {result.Text}")
            End If
        End Using
    End Sub
End Module

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocr = New IronTesseract()
        Using ocrInput = New OcrInput()
            ocrInput.LoadImage("images\image.png")

            ' Set OCR language to English
            ocr.Language = OcrLanguage.English

            ' Enable text cleaning and enhance the resolution
            ocrInput.DeNoise()
            ocrInput.EnhanceResolution(225)

            Dim result = ocr.Read(ocrInput)
            If Not String.IsNullOrEmpty(result.Text) Then
                Console.WriteLine($"Recognized Text: {result.Text}")
            End If
        End Using
    End Sub
End Module

El código utiliza IronOCR para realizar OCR en un archivo de imagen "image.png" ubicado en la carpeta "images". Establece el idioma de OCR en inglés, limpia el ruido de la imagen y mejora su resolución. El texto reconocido de la imagen se extrae y luego se imprime en la consola.

Lectura de códigos de barras

IronOCR también admite la lectura de códigos de barras, lo que te permite crear software para extraer información de códigos de barras desde imágenes. Aquí hay un ejemplo de código que demuestra cómo leer un código de barras usando IronOCR:

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;
        
        using var ocrInput = new OcrInput();
        ocrInput.LoadImage(@"images\imageWithBarcode.png");

        var ocrResult = ocrTesseract.Read(ocrInput);
        foreach (var barcode in ocrResult.Barcodes)
        {
            Console.WriteLine(barcode.Value);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;
        
        using var ocrInput = new OcrInput();
        ocrInput.LoadImage(@"images\imageWithBarcode.png");

        var ocrResult = ocrTesseract.Read(ocrInput);
        foreach (var barcode in ocrResult.Barcodes)
        {
            Console.WriteLine(barcode.Value);
        }
    }
}

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocrTesseract = New IronTesseract()
        ocrTesseract.Configuration.ReadBarCodes = True

        Using ocrInput = New OcrInput()
            ocrInput.LoadImage("images\imageWithBarcode.png")

            Dim ocrResult = ocrTesseract.Read(ocrInput)
            For Each barcode In ocrResult.Barcodes
                Console.WriteLine(barcode.Value)
            Next
        End Using
    End Sub
End Module

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocrTesseract = New IronTesseract()
        ocrTesseract.Configuration.ReadBarCodes = True

        Using ocrInput = New OcrInput()
            ocrInput.LoadImage("images\imageWithBarcode.png")

            Dim ocrResult = ocrTesseract.Read(ocrInput)
            For Each barcode In ocrResult.Barcodes
                Console.WriteLine(barcode.Value)
            Next
        End Using
    End Sub
End Module

El código utiliza IronOCR para detectar y leer códigos de barras desde un archivo de imagen "imageWithBarcode.png" en la carpeta "images". Configura IronOCR para habilitar la lectura de códigos de barras estableciendo ReadBarCodes en true. Los valores de los códigos de barras detectados se imprimen luego en la consola.

Extracción de texto PDF

IronOCR también puede extraer texto de PDFs y documentos escaneados. Aquí hay un ejemplo de código que demuestra cómo extraer texto de un archivo PDF usando IronOCR:

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        using var ocrInput = new OcrInput();
        
        // OCR entire document
        ocrInput.LoadPdf("Email_Report.pdf");

        // Alternatively OCR selected page numbers
        int[] pages = { 1, 2, 3, 4, 5 };
        ocrInput.LoadPdfPages("example.pdf", pages, Password: "password");

        var ocrResult = ocrTesseract.Read(ocrInput);
        Console.WriteLine(ocrResult.Text);
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        using var ocrInput = new OcrInput();
        
        // OCR entire document
        ocrInput.LoadPdf("Email_Report.pdf");

        // Alternatively OCR selected page numbers
        int[] pages = { 1, 2, 3, 4, 5 };
        ocrInput.LoadPdfPages("example.pdf", pages, Password: "password");

        var ocrResult = ocrTesseract.Read(ocrInput);
        Console.WriteLine(ocrResult.Text);
    }
}

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocrTesseract As New IronTesseract()
        Using ocrInput As New OcrInput()
            
            ' OCR entire document
            ocrInput.LoadPdf("Email_Report.pdf")

            ' Alternatively OCR selected page numbers
            Dim pages() As Integer = {1, 2, 3, 4, 5}
            ocrInput.LoadPdfPages("example.pdf", pages, Password:="password")

            Dim ocrResult = ocrTesseract.Read(ocrInput)
            Console.WriteLine(ocrResult.Text)
        End Using
    End Sub
End Module

Imports IronOcr
Imports System

Module Program
    Sub Main()
        Dim ocrTesseract As New IronTesseract()
        Using ocrInput As New OcrInput()
            
            ' OCR entire document
            ocrInput.LoadPdf("Email_Report.pdf")

            ' Alternatively OCR selected page numbers
            Dim pages() As Integer = {1, 2, 3, 4, 5}
            ocrInput.LoadPdfPages("example.pdf", pages, Password:="password")

            Dim ocrResult = ocrTesseract.Read(ocrInput)
            Console.WriteLine(ocrResult.Text)
        End Using
    End Sub
End Module

El código utiliza IronOCR para realizar el procesamiento de OCR en un documento PDF llamado "Email_Report.pdf". Puede realizar OCR en todo el documento usando LoadPdf o en páginas específicas de "example.pdf" usando LoadPdfPages con una contraseña. El texto reconocido de la operación OCR se imprime en la consola.

Conclusión

IronOCR es una poderosa biblioteca .NET que ofrece capacidades de software OCR avanzadas, facilitando a los desarrolladores la realización de tareas de OCR en sus aplicaciones. En este artículo, exploramos cómo realizar la Demo de Software OCR básica y avanzada usando IronOCR con ejemplos de código.

Si estás trabajando en un proyecto .NET y necesitas integrar funcionalidad OCR, IronOCR definitivamente vale la pena considerar al mirar diferentes motores de OCR. Su facilidad de uso, velocidad, flexibilidad y amplia documentación lo convierten en una opción popular entre los desarrolladores para tareas de automatización de OCR.

Entonces, ¿por qué no probar IronOCR y ver cómo puede simplificar tu propio proceso de desarrollo de proyectos OCR? Puede ser el mejor motor OCR para tus proyectos.

IronOCR ofrece una licencia de prueba gratuita que luego comienza desde $999 USD, lo que le permite seguir aprovechando al máximo IronOCR en sus proyectos.

Para saber más sobre IronOCR visita aquí.