Recortar regiones y rectángulos con IronOCR
¿Cómo configuro las áreas de contenido en PDF con IronOCR?
Áreas de contenido y archivos PDF
Los métodos OcrInput.LoadPdf y LoadPdfPage tienen la opción de agregar un ContentArea.
La pregunta: ¿Cómo sé qué tan grande es mi área de contenido ya que los PDFs no se dimensionan en píxeles, pero las áreas de contenido generalmente se miden en ellos?
Opción 1
OcrInput.TargetDPI por defecto es 225 - esto dicta el tamaño de la imagen PDF en píxeles. IronOCR leerá esto.
Opción 2 (caso de uso ideal)
- Utilice
OcrInput.LoadPdf()con su plantilla PDF. - Utilice
OcrInput.GetPages()para obtener el ancho y la altura de la entrada. - Utilice
OcrInput.GetPages().First().ToBitmap()para obtener la imagen exacta que el motor OCR leerá. - Ahora puedes medir ContentAreas en píxeles desde la imagen exportada.
- Las coordenadas objetivo podrían usarse para una región específica de OCR (ver en Resultado Final).
Para obtener información:
using System.Linq; // Needed for First()
using IronOcr;
var ocr = new IronTesseract();
using (var input = new OcrInput())
{
// Load the PDF document
input.LoadPdf("example.pdf");
// Save the first page as a bitmap to measure it
input.GetPages().First().ToBitmap().SaveAs("measure-me.bmp");
// Get the dimensions of the first page
var width = input.GetPages().First().Width;
var height = input.GetPages().First().Height;
// Optionally, output the dimensions to understand the scale
Console.WriteLine($"Width: {width}px, Height: {height}px");
}Imports System.Linq ' Needed for First()
Imports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load the PDF document
input.LoadPdf("example.pdf")
' Save the first page as a bitmap to measure it
input.GetPages().First().ToBitmap().SaveAs("measure-me.bmp")
' Get the dimensions of the first page
Dim width = input.GetPages().First().Width
Dim height = input.GetPages().First().Height
' Optionally, output the dimensions to understand the scale
Console.WriteLine($"Width: {width}px, Height: {height}px")
End UsingResultado Final:
using IronOcr;
using IronSoftware.Drawing; // Needed for Rectangle
var ocr = new IronTesseract();
using (var input = new OcrInput())
{
// Define the content area rectangle with specific pixel coordinates
var contentArea = new Rectangle
{
X = 215,
Y = 1250,
Height = 280,
Width = 1335
}; //<-- the area you want in px
// Load the specific content area of the PDF
input.LoadPdf("example.pdf", contentArea: contentArea);
// Perform OCR on the defined content area
var result = ocr.Read(input);
// Optionally, print the OCR result
Console.WriteLine(result.Text);
}Imports IronOcr
Imports IronSoftware.Drawing ' Needed for Rectangle
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Define the content area rectangle with specific pixel coordinates
Dim contentArea As New Rectangle With {
.X = 215,
.Y = 1250,
.Height = 280,
.Width = 1335
} '<-- the area you want in px
' Load the specific content area of the PDF
input.LoadPdf("example.pdf", contentArea:=contentArea)
' Perform OCR on the defined content area
Dim result = ocr.Read(input)
' Optionally, print the OCR result
Console.WriteLine(result.Text)
End UsingReferencia de API: OcrInput|OcrInput.Page
Curtis Chau tiene una licenciatura en Ciencias de la Computación (Carleton University) y se especializa en el desarrollo front-end con experiencia en Node.js, TypeScript, JavaScript y React. Apasionado por crear interfaces de usuario intuitivas y estéticamente agradables, disfruta trabajando con frameworks modernos y creando manuales bien estructurados y visualmente atractivos.
