Une comparaison entre IronOCR et Dynamsoft OCR

Les deux logiciels offrent des solutions pour découper des images pour OCR.

Lire des régions découpées avec IronOCR

La branche d'Iron de Tesseract OCR est habile à lire des régions spécifiques d'images, comme le montre le code exemple suivant.

Nous utilisons System.Drawing.Rectangle pour décrire la région exacte d'une image à lire en pixels.

Lorsqu'il s'agit d'un formulaire standardisé qui est rempli, et qu'une seule partie du contenu change d'un cas à l'autre, cela peut être très utile.

Numérisation d'une section de page : Nous utiliserons System.Drawing.Rectangle pour désigner une région à lire à partir d'un document, améliorant la vitesse et l'exactitude.

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr
Imports System.Drawing

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Create an instance of IronTesseract
		Dim ocr = New IronTesseract()

		Using input = New OcrInput()
			' Define content area of interest
			Dim contentArea = New Rectangle() With {
				.X = 215,
				.Y = 1250,
				.Height = 280,
				.Width = 1335
			}

			' Add the specific region to the input
			input.AddImage("img/ComSci.png", contentArea)

			' Perform OCR operation
			Dim result = ocr.Read(input)

			' Output recognized text to console
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Cela entraîne une augmentation de 41 pour cent de la vitesse, tout en nous permettant d'être plus spécifiques. C'est extrêmement précieux pour des applications OCR .NET impliquant des documents qui sont comparables et cohérents, y compris les factures, reçus, chèques, formulaires, demandes de dépenses, etc.

Lors de la lecture de PDFs, les ContentAreas (découpe OCR) sont également supportées.

Lire des régions découpées avec Dynamsoft OCR

Pour commencer, lancez Visual Studio et construisez une nouvelle application Forms Windows C#, ou ouvrez-en une existante. Nous devrons inclure DynamicDotNetTWAIN.dll, DynamicOCR.dll, et le package langue approprié.

1. Naviguez vers Outils -> Choisir des Éléments de la Boîte à Outils, puis vers l'onglet Composants Framework .NET, cliquez sur le bouton Parcourir, et localisez DynamicDotNetTWAIN.dll.

2. Faites un clic droit sur le fichier de projet dans l'Explorateur de Solution et sélectionnez Ajouter-> Élément Existant... puis ajoutez les éléments nécessaires depuis le répertoire des ressources OCR.

Voici le code pour cliquer sur le bouton LoadImage :

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

Private Sub button1_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim filedlg As New OpenFileDialog()
	If filedlg.ShowDialog() = DialogResult.OK Then
		dynamicDotNetTwain1.LoadImage(filedlg.FileName)
		' Choose an image from your local disk and load it into Dynamic .NET TWAIN
	End If
End Sub

Private Sub dynamicDotNetTwain1_OnImageAreaSelected(ByVal sImageIndex As Short, ByVal left As Integer, ByVal top As Integer, ByVal right As Integer, ByVal bottom As Integer)
	dynamicDotNetTwain1.OCRTessDataPath = "../../"
	dynamicDotNetTwain1.OCRLanguage = "eng"
	Dim ocrResultFormat As OcrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text

	Dim sbytes() As Byte = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom)
	' OCR the selected area of the image

	If sbytes IsNot Nothing Then
		Dim filedlg As New SaveFileDialog()
		filedlg.Filter = "Text File(*.txt)| *.txt"
		If filedlg.ShowDialog() = DialogResult.OK Then
			Dim fs As FileStream = File.OpenWrite(filedlg.FileName)
			fs.Write(sbytes, 0, sbytes.Length)
			' Save the OCR result as a text file
			fs.Close()
		End If
		MessageBox.Show("OCR successful")
	Else
		MessageBox.Show(dynamicDotNetTwain1.ErrorString)
	End If
End Sub

Voici à quoi ressemble l'application :

La qualité de l'image d'entrée est le déterminant le plus crucial de la vitesse d'une tâche OCR. Plus le bruit de fond est faible et plus le dpi est élevé, avec une valeur idéale d'environ 200 dpi, plus la sortie OCR sera rapide et précise.

Techniques de Traitement d'Images pour Dynamsoft OCR

Nous devons utiliser l'OCR dans une variété de situations, comme numériser un numéro de carte de crédit avec notre téléphone ou extraire du texte à partir de documents papier. Les capacités OCR sont incluses dans la reconnaissance d'étiquettes Dynamsoft (DLR) et Dynamic Web TWAIN (DWT).

Bien qu'ils puissent faire un excellent travail en général, nous pouvons améliorer les résultats en utilisant diverses techniques de traitement d'images.

Éclaircir/supprimer les ombres

Une mauvaisé illumination peut avoir un impact sur le résultat OCR. Pour améliorer le résultat, nous pouvons blanchir les photos ou éliminer les ombres des images.

Invert

Parce que le moteur OCR est souvent entraîné sur du texte en couleurs foncées, le texte en couleurs claires peut être plus difficile à découvrir et à reconnaître.

Il sera plus facile à reconnaître si nous inversons sa couleur

Pour effectuer l'inversion, nous pouvons utiliser le paramètre GrayscaleTransformationModes dans DLR.

Voici les paramètres JSON :

"GrayscaleTransformationModes": [
    {
        "Mode": "DLR_GTM_INVERTED"
    }
]

Résultat de lecture de DLR .net :

Rescale

Si la hauteur de la lettre est trop basse, le moteur OCR peut ne pas produire un bon résultat. En général, l'image devrait avoir une résolution d'au moins 300 DPI.

Il y a un paramètre ScaleUpModes dans DLR 1.1 qui vous permet d'agrandir les lettres. Bien sûr, nous pouvons faire monter l'échelle de l'image nous-mêmes.

Lire l'image directement produit un mauvais résultat :

Après avoir redimensionné l'image x2, le résultat est correct :

Deskew

C'est bien si le texte est un peu déformé. Cependant, s'il est trop désaligné, le résultat sera affecté négativement. Pour améliorer le résultat, nous devons découper l'image.

Pour accomplir cela, nous pouvons utiliser la Transformation Hough Line dans OpenCV et Python.

Voici le code pour redresser l'image ci-dessus :

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Image.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Image.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

Lignes détectées :

Redressée :

Techniques de Traitement d'Images pour IronOCR

La qualité de l'image d'entrée n'est pas importante ici car IronOCR excelle à réparer des documents défectueux (bien que cela soit chronophage et obligera vos tâches OCR à utiliser plus de cycles CPU).

Choisir des formats d'image d'entrée avec moins de bruit numérique, tels que TIFF ou PNG, peut également entraîner des résultats plus rapides que des formats d'images avec pertes, tels que JPEG.

Les filtres d'image listés ci-dessous peuvent améliorer considérablement la performance :

• OcrInput.Rotate(double degrees) — Fait pivoter les images dans le sens horaire d'un nombre spécifique de degrés. Les entiers négatifs sont utilisés pour la rotation dans le sens antihoraire.
• OcrInput.Binarize() — Ce filtre d'image rend chaque pixel soit noir ou blanc, sans intermédiaire. Il peut améliorer la performance de l'OCR dans les circonstances où le contraste texte-fond est très faible.
• OcrInput.ToGrayScale() — Ce filtre d'image convertit chaque pixel en une nuance de gris. Peu probable d'améliorer la précision de l'OCR, mais peut augmenter la vitesse.
• OcrInput.Contrast() — Augmente automatiquement le contraste. Dans les numérisations à faible contraste, ce filtre améliore fréquemment la vitesse et la précision de l'OCR.
• OcrInput.DeNoise() — Ce filtre ne devrait être utilisé que lorsque le bruit est attendu.
• OcrInput.Invert() — Inverse toutes les couleurs. Par exemple, le blanc devient noir : le noir devient blanc.
• OcrInput.Dilate() — Morphologie avancée. La dilatation est le processus d'ajout de pixels aux bords des objets dans une image. (Inverse of Erode)
• OcrInput.Erode() — Fonction de morphologie avancée. L'érosion est le processus de suppression de pixels des bords des objets. (Inverse of Dilate)
• OcrInput.Deskew() — Fait pivoter une image de sorte qu'elle soit orthogonale et dans le bon sens. Comme la tolérance de Tesseract pour les numérisations désalignées peut être aussi faible que 5 degrés, c'est assez utile pour l'OCR.
• DeepCleanBackgroundNoise() — Élimine beaucoup de bruit de fond. Utilisez ce filtre uniquement si vous savez qu'il y a beaucoup de bruit de fond dans le document car il peut réduire la précision de l'OCR sur des documents clairs et est assez intensif pour le CPU.
• OcrInput.EnhanceResolution — Améliore la résolution des photos basse résolution. En raison de OcrInput, ce filtre est rarement utilisé. OcrInput détectera et résoudra automatiquement la basse résolution.

Nous voudrions peut-être utiliser IronTesseract pour accélérer l'OCR sur des numérisations de haute qualité. Si nous recherchons la vitesse, nous pourrions commencer ici et par la suite réactiver des fonctionnalités jusqu'à ce que l'équilibre correct soit atteint.

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim ocr = New IronTesseract()

' Configuration for speed tuning
		ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\"
		ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
		ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
		ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly
		ocr.Language = OcrLanguage.EnglishFast

		Using input = New OcrInput("img\Potter.tiff")
			Dim result = ocr.Read(input)
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Ce résultat est 99,8% précis comparé à la base de référence de 100% — mais 35% plus rapide.