Une comparaison entre IronOCR et Tesseract.NET

Fonctionnalités d'IronOCR

IronOCR est la bibliothèque OCR (reconnaissance optique de caractères) la plus récente et la plus avancée pour .NET C# et VB. IronOCR peut numériser les codes-barres et les codes QR à partir de tous les formats d'image, lire le texte et effectuer la numérisation de PDF en utilisant le dernier moteur Tesseract 5. IronOCR peut ajouter des fonctionnalités OCR à tous les modèles de projet .NET tels que les applications de bureau, console et web avec juste quelques lignes sans ajouter de bibliothèque. IronOCR est l'un des moteurs OCR les plus précis pour les projets .NET.

Discutons de certaines fonctionnalités uniques d'IronOCR :

• IronOCR est fait exclusivement pour les applications .NET.
• IronOCR prend en charge jusqu'à 125 langues.
• IronOCR peut corriger la position d'une image inclinée et supprimer le bruit d'une image pour un rendu précis.
• IronOCR fonctionne exceptionnellement bien avec les images basse résolution de faible DPI.
• IronOCR peut lire plusieurs types de codes QR et de codes-barres.
• IronOCR prend également en charge les formats Gif et Tiff.
• IronOCR prend en charge le multithread. C'est une fonctionnalité fantastique qui n'est pas présente dans d'autres bibliothèques OCR. Cela rend les processus plus fluides.
• IronOCR peut facilement effectuer de l'OCR sur les fichiers PDF et exporter des documents PDF consultables en utilisant l'OCR.

Toutes les grandes langues sont prises en charge par IronOCR, y compris l'arabe, le chinois, l'anglais, le finnois, le français, l'allemand, le japonais, et bien d'autres. IronOCR offre la fonctionnalité d'afficher le résultat dans différents formats tels que les données de code-barres, le texte brut ou la classe de résultat OCR qui contient des lignes, des mots, des paragraphes et des caractères. IronOCR utilise la technologie de la bibliothèque Tesseract.

IronOCR est compatible avec les machines Mac, Windows, et Linux. Il prend également en charge Azure et Docker pour les solutions Cloud. La dernière mise à jour d'IronOCR inclut .NET core 3.1 et .NET 6 dans la liste de support, elle offre également un support pour Xamarin pour MacOS.

Caractéristiques de la bibliothèque Tesseract OCR

Le Tesseract.net SDK est un produit de Patagames, une bibliothèque de reconnaissance optique de caractères (OCR) pour les projets .NET, et offre une méthode pour ajouter des capacités OCR telles que la reconnaissance de texte dans les applications .NET. Le Tesseract.NET SDK est un moteur OCR capable de lire divers formats d'image et de convertir les images en texte. Il prend en charge jusqu'à 60 langues. Il prend également en charge la lecture et la numérisation des documents PDF et leur conversion en fichiers PDF consultables. Fondamentalement, le Tesseract.NET SDK est une bibliothèque de classes basée sur le projet Tesseract OCR. Il dispose d'un moteur Tesseract pour effectuer l'OCR. Le fichier Patagames.Ocr.xml contient la documentation XML de l'API.

Le Tesseract.NET SDK prend en charge le Framework .NET de la version 2.0 à 4.5 sur les systèmes d'exploitation 32 bits et 64 bits. Ce SDK peut être utilisé avec Windows XP et d'autres versions de Windows telles que Windows 7, Vista, 8, 10, et 11. Il est compatible avec les systèmes d'exploitation 32 bits et 64 bits, ce qui le rend facile à utiliser sur n'importe quel processeur.

Malheureusement, le SDK .NET n'est pas disponible pour macOS ou Linux.

Utilisation d'IronOCR et du Tesseract.NET SDK

Jetons un coup d'œil à la façon dont nous pouvons utiliser IronOCR et le Tesseract.NET SDK dans notre projet.

Création d'un projet C# dans Visual Studio

Nous utilisons la version 2022 de Visual Studio pour créer ce projet. La dernière version de Visual Studio est recommandée pour un progrès fluide. Ensuite, ouvrez Visual Studio et cliquez sur "Créer un nouveau projet". Après cela, cliquez sur "Application Console" à partir des modèles et configurez votre projet.

Entrez maintenant le nom du projet. Je vais attribuer le nom "IronOCR vs Tesseract.NET SDK". Après cela, sélectionnez le chemin où vous souhaitez créer un projet et appuyez sur Entrée.

Après cela, sélectionnez la version .NET. Nous utilisons la dernière version de .NET, qui est .NET 6, et IronOCR la prend en charge. Vous pouvez utiliser celle qui correspond le mieux à vos besoins pour le projet.

Après avoir cliqué sur le bouton Créer, le modèle de projet créera le projet et il est maintenant prêt à installer les bibliothèques. Installons directement les bibliothèques.

Installation d'IronOCR et du Tesseract.NET SDK

Il est maintenant temps d'installer les bibliothèques et de vérifier les fonctionnalités. Tout d'abord, nous allons installer la bibliothèque IronOCR.

Installer IronOCR

IronOCR prend en charge l'installation en utilisant diverses méthodes. Nous pouvons choisir n'importe quelle approche. Toutes les méthodes sont sûres.

• Utiliser le gestionnaire de packages NuGet de Visual Studio
• Utiliser la ligne de commande du gestionnaire de packages NuGet.
• Direct download from the NuGet website.
• Direct download from the IronOcr website.

Utilisation du gestionnaire de packages NuGet de Visual Studio

Nous pouvons installer la bibliothèque IronOCR en utilisant l'interface graphique du gestionnaire de packages NuGet dans Visual Studio. Nous pouvons y accéder en cliquant sur Outils > Gestionnaire de packages NuGet > Gérer les packages NuGet pour la solution.

Allez dans l'onglet Parcourir et recherchez IronOCR. Sélectionnez IronOCR dans les résultats de recherche et installez-le dans notre projet.

Nous avons maintenant installé la bibliothèque IronOCR dans notre projet. Elle est prête à être utilisée dans notre projet .NET.

Utilisation de la ligne de commande du gestionnaire de packages NuGet

Nous pouvons utiliser la console du gestionnaire de packages NuGet pour installer la bibliothèque IronOCR. Allez à la ligne de commande, qui est généralement située sous le fichier de code, puis écrivez la ligne suivante dans la ligne de commande et appuyez sur Entrée.

Install-Package IronOcr

Cela commencera l'installation de la bibliothèque IronOCR. Après l'installation, elle sera prête à être utilisée dans notre projet.

Installation du Tesseract.NET SDK

Nous pouvons installer le Tesseract.NET SDK en utilisant le gestionnaire de packages NuGet. Pour installer le Tesseract.NET SDK, allez dans Outils > Gestionnaire de packages NuGet > Gérer les packages NuGet pour la solution. Allez dans l'onglet Parcourir et recherchez le Tesseract.NET SDK. Sélectionnez le Tesseract.NET SDK dans les résultats de recherche et installez-le. Après l'installation, nous pouvons utiliser le Tesseract.NET SDK dans notre programme.

Après l'installation, vous pouvez voir ces trois dossiers dans l'explorateur de solution.

Ces dossiers contiennent les données essentielles requises par Tesseract pour effectuer l'OCR. Nous sommes maintenant prêts à intégrer la capacité OCR dans notre projet.

Image OCR

Il est maintenant temps de tester les capacités d'IronOCR et du Tesseract.NET SDK. Les deux bibliothèques peuvent effectuer de l'OCR sur des images. Nous les testerons en utilisant une image inclinée et bruyante avec du texte.

Image de test

Ceci est l'image que nous utiliserons pour les tests.

Utilisation du Tesseract.NET SDK

Tout d'abord, nous allons examiner le résultat généré par le Tesseract.NET SDK pour l'image de test. Jetons un coup d'œil au code :

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

Imports Patagames.Ocr

' Use the OcrApi class to create an API instance for OCR
Using api = OcrApi.Create()
	' Initialize the OCR API with the English language
	api.Init(Patagames.Ocr.Enums.Languages.English)
	' Extract text from the image at the specified path
	Dim plainText As String = api.GetTextFromImage("C:\Users\Administrator\Desktop\Input.jpg")
	' Print the extracted text to the console
	Console.WriteLine(plainText)
End Using

$vbLabelText   $csharpLabel

Tout d'abord, nous allons importer la bibliothèque Patagames.OCR pour utiliser le Tesseract.NET SDK. Après cela, nous allons créer un OcrApi en utilisant la fonction Create. Ensuite, nous allons définir la langue par défaut sur anglais en utilisant la fonction Init. Ensuite, nous extrayons le texte brut de l'image en utilisant la méthode GetTextFromImage, et dans le paramètre, nous fournissons le chemin des fichiers d'image. Ensuite, nous écrivons le texte extrait sur la console.

Ensuite, regardez le résultat généré par le Tesseract.NET SDK :

Alors, c'est le résultat que nous obtenons du Tesseract.NET SDK. Au début, il donne des erreurs basées sur la résolution, montrant qu'il fonctionne bien uniquement pour les images haute résolution. Après les erreurs, nous pouvons voir le texte extrait de l'image. Si nous comparons ce texte avec l'image, nous verrons qu'il est complètement différent. Le texte extrait contient beaucoup de texte non pertinent qui n'a aucun sens. Dans l'ensemble, le Tesseract.NET SDK échoue à ce test.

Utiliser IronOCR

Ensuite, nous verrons les résultats d'IronOCR. Avant de passer aux résultats, nous allons d'abord examiner le code pour IronOCR :

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()
Ocr.Language = OcrLanguage.EnglishBest

' Use OcrInput to prepare the image for processing
Using Input = New OcrInput()
	Input.AddImage("C:\Users\Administrator\Desktop\Input.jpg")
	' Correct the skew and noise in the image
	Input.Deskew()
	Input.DeNoise()
	' Perform OCR and get the result
	Dim Result = Ocr.Read(Input)
	' Print the recognized text to the console
	Console.WriteLine(Result.Text)
End Using

$vbLabelText   $csharpLabel

Dans le code ci-dessus, nous importons la bibliothèque IronOCR dans notre programme et créons ensuite un objet IronTesseract, qui aide à démarrer le processus. Après cela, nous définissons la langue du processus sur anglais. Le véritable travail peut maintenant commencer. Nous fabriquons l'objet de OcrInput. Attribuez le chemin de l'image à la variable Input en utilisant la fonction AddImage. Nous utilisons la fonction Deskew pour faire pivoter l'image à sa position réelle, puis utilisons la fonction DeNoise pour supprimer le bruit de l'image. Cela fournira un meilleur résultat. Après cela, nous utilisons la fonction Read pour reconnaître le texte et l'extraire de l'image de test. Ensuite, nous montrons le résultat dans la console. Vous pouvez également enregistrer le résultat en tant que fichier PDF dans le fichier Projet.

Voici le résultat généré par IronOCR :

Si nous comparons le résultat, c'est le même texte qui est présent sur l'image. IronOCR extrait parfaitement le texte sans aucune erreur. IronOCR peut extraire du texte à partir d'images déformées et tournées. Il fonctionne même avec des images de faible résolution.

IronOCR prend également en charge l'ajout d'images multi-trames. Nous pouvons utiliser la méthode "AddMultiFrameTiff" pour effectuer cette opération. IronOCR lit chaque trame dans l'image, et chaque trame est traitée comme une page séparée. Seules les images Tiff sont prises en charge en utilisant cette méthode.

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()

Using Input = New OcrInput()
	' Add a multi-frame TIFF image for OCR processing
	Input.AddMultiFrameTiff("images/multiframe.tiff")

	' Perform OCR and get the result
	Dim Result = Ocr.Read(Input)
	' Print the recognized text to the console
	Console.WriteLine(Result.Text)
End Using

$vbLabelText   $csharpLabel

Jetons un coup d'œil au code pour créer un PDF consultable :

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

Imports IronOcr

' Initialize the IronTesseract class for performing OCR
Private Ocr = New IronTesseract()
Using Input = New OcrInput()
	' Add multiple images for processing
	Input.AddImage("images\page1.png")
	Input.AddImage("images\page2.bmp")
	Input.AddMultiFrameTiff("images\page3.tiff")

	' Deskew the images to correct orientation
	Input.Deskew()

	' Perform OCR and save the result as a searchable PDF
	Dim Result = Ocr.Read(Input)
	Result.SaveAsSearchablePdf("searchable.pdf")
End Using

$vbLabelText   $csharpLabel

La fonction SaveAsSearchablePdf aide à enregistrer les fichiers en tant que consultables.

Autres fonctionnalités

• Contraste : Ce filtre d'image transforme chaque pixel en noir ou blanc sans aucune nuance intermédiaire.
• DeepCleanBackgroundNoise : Utilisez ce filtre en cas de bruit extrême de fond de document connu.
• Inverser : Inverse toutes les couleurs. Par exemple, le blanc devient noir : le noir devient blanc.
• RemplacerCouleur : Remplace la couleur par une autre pour réduire le bruit.
• EnNiveauxDeGris : Ce filtre d'image transforme chaque pixel en une nuance de gris.
• Et beaucoup d'autres fonctions et fonctionnalités.

Licences

IronOCR

IronOCR est gratuit pour le développement. Il offre également une version d'essai gratuite pour le développement. IronOCR propose une variété de plans tarifaires pour la production. Vous pouvez acheter le plan qui correspond le mieux à vos besoins. Il existe des plans tarifaires pour individuels, équipes de développeurs, et organisations. Les prix commencent à partir de $799 pour un plan Lite pour un développeur et un projet. Tous les plans sont des paiements uniques. Les utilisateurs bénéficient de mises à jour gratuites pendant un an. Il prend également en charge la couverture SaaS et OEM. Les plans professionnels sont disponibles à $999, tandis que le plan illimité est tarifé à $2,999. Le plan illimité inclut des développeurs, projets et lieux illimités.

You can learn more about the pricing plans by following this link. Aussi, Iron Software propose actuellement une offre spéciale où vous pouvez acheter une suite de cinq logiciels pour le prix de seulement deux. Ces cinq packs logiciels sont tous excellents : IronPDF, IronXL, IronOCR, IronBarcode, et IronWebscraper.

Le Tesseract.NET SDK

Le Tesseract.NET SDK propose également un plan tarifaire. Le plan Tesseract.NET SDK commence à partir de $220 pour un développeur et un projet. Une chose importante à savoir ici est que le plan tarifaire inclut un plan de renouvellement. Ainsi, vous devez payer soit annuellement soit mensuellement pour assurer que le Tesseract.NET SDK fonctionne dans votre projet. You can learn more about the pricing plan for the Tesseract.NET SDK at this link.

Conclusion

IronOCR est la bibliothèque parfaite pour les tâches à accomplir. IronOCR prend également en charge 125 langues, ce qui signifie qu'il est accepté mondialement. Il prend en charge plusieurs formats d'image et de PDF pour le traitement des entrées. Il effectue également le prétraitement des images pour garantir les meilleurs résultats. IronOCR est une bibliothèque .NET puissante. Il peut reconnaître le texte d'une zone spécifique d'une image. IronOCR se concentre sur la précision, et les résultats sont en effet étonnants à cet égard. Les développeurs n'ont besoin d'aucun fichier ou bibliothèque supplémentaire pour effectuer l'OCR. Dans l'ensemble, c'est la bibliothèque parfaite.

Le Tesseract.NET SDK est également une bonne bibliothèque pour les projets .NET. Il offre des services OCR dans 60 langues. Il est basé sur le projet Tesseract OCR. Il peut convertir des images numérisées en PDF consultables grâce à son ensemble de fonctions. Le Tesseract.NET SDK accepte une large gamme de formats d'image pour le traitement des entrées. Il fournit des services de haut niveau pour soutenir ses capacités OCR dans les projets .NET.

IronOCR et le Tesseract.NET SDK ont tous deux des plans tarifaires. Mais, IronOCR a un peu plus de variété dans son plan tarifaire, et il est également moins cher que le Tesseract.NET SDK. Cela est dû au fait qu'IronOCR n'accepte que des paiements uniques, tandis que le Tesseract.NET SDK a des renouvellements mensuels ou annuels. Ainsi, à long terme, vous devez nécessairement payer plus pour le Tesseract.NET SDK, même si son prix de départ est inférieur à celui d'IronOCR.

En analysant l'ensemble du scénario et en testant les capacités des deux bibliothèques, nous pouvons conclure qu'IronOCR est une meilleure option que le Tesseract.NET SDK en termes de performance pour les documents flous et tournés qui sont inclinés et un peu bruyants. Les capacités OCR des deux bibliothèques sont bonnes, mais IronOCR est une bibliothèque avancée avec de meilleures fonctions telles que le prétraitement d'image, la suppression de bruit, et la rotation d'images à leur position d'origine. Le Tesseract.NET SDK prend en charge jusqu'à 60 langues et IronOCR prend en charge jusqu'à 125 langues. Le Tesseract.NET SDK nécessite des fichiers supplémentaires pour différentes langues, ajoutant un volume supplémentaire au programme. En outre, le Tesseract.NET SDK a été mis à jour pour la dernière fois il y a longtemps.

IronOCR offers a free trial for production tests. Il propose également actuellement une offre spéciale intéressante où vous pouvez acheter la suite complète des cinq packages Iron Software pour le prix de seulement deux. You can get more information about the offer at this link.