La bibliothèque OCR C#
using IronOcr;
string imageText = new IronTesseract().Read(@"images\image.png").Text;
Install-Package IronOcr
Reconnaissance optique des caractères(OCR) est une technologie qui convertit des photographies, des documents manuscrits, du texte imprimé et des documents scannés en texte lisible par une machine. Il s'agit d'une méthode courante de numérisation de textes imprimés afin qu'ils puissent être édités électroniquement, recherchés, stockés de manière plus compacte, affichés en ligne et utilisés dans des processus mécaniques tels que l'informatique cognitive, la traduction automatique et les systèmes d'information(extrait) conversion de texte en feuille de calcul. Il est largement utilisé comme forme de saisie de données à partir de documents papier imprimés - qu'il s'agisse de documents d'identité, de factures, de relevés bancaires, de reçus informatisés, de cartes de visite, de courrier, d'impressions de données statiques ou de toute autre documentation appropriée. La reconnaissance des formes, l'intelligence artificielle et la vision par ordinateur relèvent toutes de la recherche sur l'OCR.
Dans cet article, nous allons comparer deux des bibliothèques et applications les plus courantes pour l'utilisation de l'OCR pour les documents PDF et les images. Il s'agit de
ABBYY FineReader PDF est un logiciel de reconnaissance optique de caractères(OCR) créée par ABBYY. Il permet de convertir des documents images(images, scans, fichiers PDF)et les captures d'écran peuvent être converties en formats de fichiers modifiables tels que Microsoft Word, Microsoft Excel, Microsoft PowerPoint, Rich Text Format, HTML, PDF/A, PDF avec possibilité de recherche, CSV et texte(texte en clair).
ABBYY FineReader est une application de bureau disponible pour Windows, Linux et macOS. Il permet également de créer des formats modifiables pour les fichiers PDF. Nous pouvons également lire les PDF comme nous le faisons avec Adobe Acrobat. ABBYY FineReader intègre les documents numérisés dans les flux de travail numériques.
Gérer et compléter les documents de manière simple et efficace pour gagner du temps et de l'énergie. Travaillez avec n'importe quel document de la même manière, qu'il ait été créé numériquement ou converti à partir du papier. Vous pouvez modifier le texte, les tableaux et la mise en page complète de votre PDF sans avoir à le convertir au préalable.
ABBYY FineReader PDF peut créer des PDF à partir de plus de 25 formats de fichiers différents, directement à partir de documents papier ou en les imprimant sur une imprimante PDF à partir de pratiquement n'importe quelle application. Les formats PDF/A-1 à PDF/A-3 sont pris en charge pour l'archivage à long terme, et le format PDF/UA garantit l'accessibilité du contenu à l'aide de logiciels d'assistance tels que les lecteurs d'écran. Il permet également aux professionnels de maximiser leur efficacité sur le lieu de travail numérique.
Créez et mettez à jour vos propres formulaires PDF interactifs à l'aide d'ABBYY FineReader pour collecter des informations et normaliser des documents. Créez des formulaires en combinant des champs interactifs de différents types, en définissant des actions, en modifiant des formulaires PDF existants ou en ajoutant des éléments de formulaire à un PDF classique.
ABBYY FineReader peut convertir instantanément des documents papier, des scans et des PDF numérisés en PDF interrogeables, ce qui vous permet de récupérer des documents dans des archives numériques et d'accéder aux informations qu'ils contiennent. FineReader PDF prend en charge tous les niveaux de conformité et toutes les variantes du format PDF/A, la norme industrielle pour l'archivage à long terme, de PDF/A-1 à PDF/A-3.
FineReader PDF, la dernière technologie d'OCR d'ABBYY basée sur l'IA, facilite la numérisation, l'extraction, l'édition, la protection, le partage et la collaboration sur tous les types de documents dans le même flux de travail. FineReader inclut également la comparaison de documents, qui nous aide à comparer les documents originaux, ainsi que les PDF convertis et les fichiers images.
IronOCR fournit des logiciels aux ingénieurs qui utilisent IronOCR for .NET pour lire le contenu textuel des photos et des PDF dans les applications et les sites Web .NET. Il scanne les photos pour en extraire le texte et les codes-barres, et prend en charge de nombreuses langues internationales ; il peut ensuite fournir des résultats sous forme de texte brut ou de données structurées. La bibliothèque OCR d'Iron Software peut être utilisée dans les applications .NET MVC, Web, console et de bureau. Pour les déploiements commerciaux, les licences sont fournies avec l'assistance directe de l'équipe de développement.
Ouvrez le logiciel Visual Studio et allez dans le "menu fichier". Sélectionnez "nouveau projet", puis "application console".
Saisissez le nom du projet et sélectionnez le chemin d'accès au fichier dans la zone de texte appropriée. Ensuite, cliquez sur le bouton de création et sélectionnez le Framework .NET requis, comme dans la capture d'écran ci-dessous.
Le projet Visual Studio va maintenant générer la structure de l'application sélectionnée et, si vous avez choisi l'application console, Windows et web, il va maintenant ouvrir le fichier program.cs dans lequel vous pouvez saisir le code et construire/exécuter l'application.
Ensuite, nous pouvons ajouter la bibliothèque pour tester le code.
Vous pouvez télécharger ABBYY FineReader ici.
L'image ci-dessus montre qu'il existe deux versions, Individual et Business, que vous pouvez télécharger en fonction de vos besoins. Sélectionnez l'option "télécharger la version d'essai gratuite". Vous serez redirigé vers un formulaire comme dans l'image ci-dessous :
Nous devrons remplir le formulaire pour obtenir l'emplacement du fichier EXE. Cliquez sur l'option de téléchargement pour télécharger le fichier.
Une fois le téléchargement du fichier terminé, nous pouvons double-cliquer sur le fichier EXE pour démarrer l'installation. Une fois l'opération terminée, un message contextuel s'affiche et le système est prêt à être utilisé.
La bibliothèque IronOCR peut être téléchargée et installée de quatre façons.
Il s'agit de
Le logiciel Visual Studio propose l'option NuGet Package Manager pour installer le paquet directement dans la solution. La capture d'écran ci-dessous montre comment ouvrir le gestionnaire de paquets NuGet.
Il fournit un champ de recherche pour afficher la liste des paquets du site web de NuGet. Dans le gestionnaire de paquets, nous devons rechercher le mot-clé IronOCR, comme dans la capture d'écran ci-dessous :
Dans l'image ci-dessus, nous obtiendrons la liste des éléments de recherche connexes. Nous devons sélectionner l'option requise pour installer le paquet dans la solution.
Dans Visual Studio, allez dans Outils-> Gestionnaire de paquets NuGet -> Console du gestionnaire de paquets
Saisissez la ligne suivante dans l'onglet Console du gestionnaire de paquets :
Install-Package IronOcr
Ensuite, le paquet sera téléchargé/installé dans le projet en cours et sera prêt à être utilisé.
La troisième méthode consiste à télécharger le paquet NuGet directement à partir du site web.
Cliquez sur le bouton lien ici pour télécharger le dernier paquet directement depuis le site web. Une fois téléchargé, suivez les étapes ci-dessous pour ajouter le paquet au projet.
IronOCR et Abbyy Finereader disposent tous deux d'une technologie OCR qui convertit l'image en texte de recherche.
Ensuite, ouvrez l'application ABBYY FineReader PDF qui s'ouvrira avec plusieurs options, comme dans l'image ci-dessous.
Ensuite, sélectionnez l'option "Ouvrir" dans les options de l'éditeur d'OCR. Une option permettant de sélectionner des fichiers d'images s'affiche :
Après avoir sélectionné un fichier, le logiciel commence automatiquement à numériser l'image en texte éditable, puis affiche le résultat dans la fenêtre, comme dans la capture d'écran ci-dessous :
L'image ci-dessus montre l'image source convertie en texte modifiable. Cependant, le résultat n'est pas très précis. Certains chiffres ne sont pas reconnus par l'application ABBYY FineReader PDF. Cela apparaît clairement dans les fenêtres de comparaison - à gauche, l'image source, et à droite, le texte converti par l'OCR.
var Ocr = new IronTesseract(); // nothing to configure
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
using (var Input = new OcrInput())
{
Input.AddImage(@"3.png");
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
Console.ReadKey();
}var Ocr = new IronTesseract(); // nothing to configure
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
using (var Input = new OcrInput())
{
Input.AddImage(@"3.png");
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
Console.ReadKey();
}Dim Ocr = New IronTesseract() ' nothing to configure
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
Using Input = New OcrInput()
Input.AddImage("3.png")
Dim Result = Ocr.Read(Input)
Console.WriteLine(Result.Text)
Console.ReadKey()
End UsingL'API Tesseract 5, qui nous permet de convertir des fichiers images en texte, est présentée ci-dessus. Dans la ligne de code ci-dessus, nous créons un objet pour le Tesseract d'Iron. Nous créons également un objet OcrInput qui nous permettra d'ajouter un ou plusieurs fichiers d'images. Il peut être nécessaire d'indiquer le chemin d'accès à l'image disponible dans le code lors de l'utilisation de la méthode d'ajout de l'objet OcrInput. Il est possible d'ajouter un nombre illimité d'images. La fonction "Read" de l'objet IronTesseract que nous avons construit précédemment peut être utilisée pour obtenir les images en analysant le fichier image et en extrayant le résultat dans le résultat de l'OCR. Il est capable d'extraire du texte des photos et de le convertir en une chaîne de caractères.
Nous pouvons également utiliser Tesseract pour ajouter des images multiples. "AddMultiFrameTiff" est une méthode différente pour cette opération. La bibliothèque Tesseract lit chaque image dans l'image, et chaque image est traitée comme une page distincte. Le processus lira la première image de l'image, puis passera à l'image suivante, et ainsi de suite, jusqu'à ce que toutes les images de l'image aient été numérisées. Seul le format d'image tiff est pris en charge par cette méthode.
L'image ci-dessus est le résultat de l'IronOCR, qui est précis et montre les données correctement converties en texte éditable.
IronOCR et ABBYY FineReader PDF permettent de convertir un fichier PDF en texte éditable. ABBYY FineReader PDF fournit une liste d'options à l'utilisateur telles que l'enregistrement de la page, la modification de l'image, la reconnaissance de la page, etc. Il fournit également des options d'enregistrement telles que txt, document, format HTML, etc. IronOCR nous permet également de sauvegarder les fichiers OCR convertis en HTML, txt, pdf, etc.
Ouvrez le logiciel ABBYY FineReader PDF. Une page semblable à l'image ci-dessous s'ouvrira, offrant plusieurs options.
Ensuite, sélectionnez l'option "Ouvrir" dans les options de l'éditeur d'OCR. Une option de sélection de l'image/PDF est alors proposée. Nous pouvons sélectionner soit un PDF, soit une image, soit les deux fichiers.
Après avoir sélectionné le fichier, cliquez sur le bouton OK. Il commencera automatiquement à numériser l'image en texte éditable et affichera le résultat dans une fenêtre comme celle de la capture d'écran ci-dessous.
L'image ci-dessus montre le PDF source converti en texte éditable. Cependant, le résultat n'est pas tout à fait exact. Certains numéros ne sont pas reconnus par l'application ABBYY FineReader PDF. Les fenêtres de comparaison le montrent clairement : à gauche se trouve le PDF source et à droite le texte converti par l'OCR.
Nous pouvons également utiliser OCRInput pour gérer les fichiers PDF. Chaque page des documents sera lue par la classe du Tesseract d'Iron. Le texte sera ensuite extrait des pages. Nous pouvons également ouvrir des documents protégés à l'aide d'une deuxième fonction appelée "AddPdf", qui nous permet d'ajouter des PDF à notre liste de documents(mot de passe s'il est protégé). Le code suivant montre comment ouvrir un document PDF protégé par un mot de passe :
var Ocr = new IronTesseract(); // nothing to configure
using (var Input = new OcrInput())
{
Input.AddPdf("example.pdf", "password");
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
}var Ocr = new IronTesseract(); // nothing to configure
using (var Input = new OcrInput())
{
Input.AddPdf("example.pdf", "password");
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
}Dim Ocr = New IronTesseract() ' nothing to configure
Using Input = New OcrInput()
Input.AddPdf("example.pdf", "password")
Dim Result = Ocr.Read(Input)
Console.WriteLine(Result.Text)
End UsingLes méthodes suivantes sont également fournies par Iron Tesseract :
Ajouter des pages PDF
Nous pouvons lire et extraire le contenu d'une seule page d'un document PDF à l'aide de "Addpdfpage" Seul le numéro de la page dont nous voulons extraire le texte doit être spécifié. "AddPdfPage" permet d'extraire du texte de nombreuses pages que nous spécifions. Dans IEnumerable
IEnumerable<int> numbers = new List<int> {2,8,10 };
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
//single pageInput.AddPdfPage("example.pdf",10);
//Multiple pageInput.AddPdfPages("example.pdf", numbers);
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
Result.SaveAsTextFile("ocrtext.txt");
}IEnumerable<int> numbers = new List<int> {2,8,10 };
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
//single pageInput.AddPdfPage("example.pdf",10);
//Multiple pageInput.AddPdfPages("example.pdf", numbers);
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
Result.SaveAsTextFile("ocrtext.txt");
}Dim numbers As IEnumerable(Of Integer) = New List(Of Integer) From {2, 8, 10}
Dim Ocr = New IronTesseract()
Using Input = New OcrInput()
'single pageInput.AddPdfPage("example.pdf",10);
'Multiple pageInput.AddPdfPages("example.pdf", numbers);
Dim Result = Ocr.Read(Input)
Console.WriteLine(Result.Text)
Result.SaveAsTextFile("ocrtext.txt")
End UsingLa fonction SaveAsTextFile permet de stocker le résultat dans un fichier texte, ce qui permet de télécharger le fichier dans le répertoire de sortie. Nous pouvons également enregistrer le fichier dans le fichier HTML à l'aide de SaveAsHocrFile.
FineReader dispose de quelques options supplémentaires telles que : Dessiner la zone de texte, Dessiner la zone d'image, Dessiner la zone de tableau, Dessiner la zone de reconnaissance, etc. Ces options aident l'utilisateur à améliorer les performances de l'OCR. En outre, outre l'OCR, l'application permet également aux utilisateurs d'effectuer des opérations telles que la combinaison de PDF, la division de PDF, l'édition de PDF, etc.
IronOCR possède des fonctionnalités uniques qui nous permettent de lire les codes-barres et les codes QR des documents scannés. Les codes ci-dessous montrent comment lire des codes-barres à partir d'une image ou d'un document donné.
var Ocr = new IronTesseract(); // nothing to configure
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
using (var Input = new OcrInput())
{
Input.AddImage("barcode.gif");
var Result = Ocr.Read(Input);
foreach (var Barcode in Result.Barcodes)
{
Console.WriteLine(Barcode.Value);
}
}var Ocr = new IronTesseract(); // nothing to configure
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
using (var Input = new OcrInput())
{
Input.AddImage("barcode.gif");
var Result = Ocr.Read(Input);
foreach (var Barcode in Result.Barcodes)
{
Console.WriteLine(Barcode.Value);
}
}Dim Ocr = New IronTesseract() ' nothing to configure
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.ReadBarCodes = True
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
Using Input = New OcrInput()
Input.AddImage("barcode.gif")
Dim Result = Ocr.Read(Input)
For Each Barcode In Result.Barcodes
Console.WriteLine(Barcode.Value)
Next Barcode
End UsingLe code ci-dessus permet de lire les codes-barres d'une image ou d'un document PDF donné. Il est capable de lire plus d'un code-barres sur une page/image. Pour lire le code-barres, IronOCR dispose d'un paramètre unique Ocr.Configuration.ReadBarCodes qui aide à lire le code-barres ; la valeur par défaut est fixée à false.
Après la lecture de l'entrée, les données sont enregistrées dans l'objet appelé OCRResult ; possède une propriété appelée Barcodes qui rassemble toutes les données disponibles sur les codes-barres dans une liste. En utilisant la boucle for-each, nous pouvons obtenir les détails de tous les codes-barres un par un. En outre, il scanne le code-barres et lit la valeur du code-barres - deux opérations réalisées en un seul processus!
En outre, les options de threading sont également prises en charge, ce qui signifie que nous pouvons effectuer plusieurs processus d'OCR en même temps. IronOCR est également capable de reconnaître une zone spécifique à partir d'une région donnée.
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };
Input.Add("document.png", ContentArea);
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
}var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };
Input.Add("document.png", ContentArea);
var Result = Ocr.Read(Input);
Console.WriteLine(Result.Text);
}Dim Ocr = New IronTesseract()
Using Input = New OcrInput()
Dim ContentArea = New System.Drawing.Rectangle() With {
.X = 215,
.Y = 1250,
.Height = 280,
.Width = 1335
}
Input.Add("document.png", ContentArea)
Dim Result = Ocr.Read(Input)
Console.WriteLine(Result.Text)
End UsingL'exemple de code ci-dessus permet d'effectuer l'OCR sur une région spécifique. Il suffit de spécifier la région rectangulaire sur l'image ou le PDF - le moteur Tesseract d'IronOCR permet la reconnaissance du texte.
Lorsqu'on utilise IronOCR dans le contexte du Framework .NET, Tesseract est simple et facile à utiliser. Il prend en charge les photos et les documents PDF de différentes manières. Il fournit également un certain nombre de paramètres permettant d'améliorer les performances de la bibliothèque OCR de Tesseract. Plusieurs langues sont prises en charge, ainsi que de nombreuses langues en une seule opération. Pour en savoir plus sur le Tesseract OCR, visitez leur site web.
ABBYY FineReader PDF est une application logicielle qui utilise un moteur d'intelligence artificielle pour reconnaître une image ou un document PDF. Il propose également divers paramètres permettant d'améliorer les performances du processus d'OCR. En outre, il offre la possibilité de sélectionner plusieurs langues. ABBYY FineReader PDF a quelques limitations sur l'utilisation des conversions de pages. Les prix varient en fonction des systèmes d'exploitation. Pour en savoir plus sur le prix d'ABBYY FineReader PDF, cliquez sur ici.
IronOCR est meilleur qu'ABBYY FineReader PDF. La comparaison a montré que certaines des images de faible qualité n'ont pas été reconnues par FineReader, tandis qu'il n'a pas non plus reconnu certains caractères de l'image et les a signalés comme inconnus. En revanche, IronOCR affiche des résultats complets et précis. Il nous permet également de reconnaître les données des codes-barres et de lire les valeurs des codes-barres à partir d'images. L'ensemble IronOCR fournit une licence à vie, et il n'y a pas de coûts permanents. L'offre IronOCR prend en charge plusieurs plateformes à un prix unique. Pour en savoir plus sur les prix d'IronOCR, cliquez sur ici.
Install-Package IronOcr
Vous voulez déployer IronOCR dans un projet réel GRATUITEMENT ?
Votre clé d'essai devrait se trouver dans l'e-mail.
Le formulaire d'essai a été soumis
avec succès.
Si ce n'est pas le cas, veuillez contacter
support@ironsoftware.com
Commencez GRATUITEMENT
Aucune carte de crédit n'est requise
Test en production sans filigrane.
Fonctionne partout où vous en avez besoin.
Obtenez 30 jours de produit entièrement fonctionnel.
Il est opérationnel en quelques minutes.
Accès complet à notre équipe d'ingénieurs pendant la période d'essai du produit
Aucune carte de crédit ou création de compte n'est nécessaire
Votre clé d'essai devrait se trouver dans l'e-mail.
Si ce n'est pas le cas, veuillez contacter
support@ironsoftware.com
Commencez GRATUITEMENT
Aucune carte de crédit n'est requise
Test en production sans filigrane.
Fonctionne partout où vous en avez besoin.
Obtenez 30 jours de produit entièrement fonctionnel.
Il est opérationnel en quelques minutes.
Accès complet à notre équipe d'ingénieurs pendant la période d'essai du produit
Licences de 9. Vous avez une question ? Prendre contact.
9 produits de l'API .NET pour vos documents de bureau
