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 for .NET C# et VB. IronOCR peut numériser les codes-barres et les codes QR à partir de tous les formats d'image, et il lit le texte et effectue la numérisation de PDF grâce au moteur Tesseract 5. IronOCR permet d'intégrer la fonctionnalité OCR à tous les modèles de projets .NET, tels que les applications de bureau, les applications console et les applications web, en quelques lignes seulement et sans ajouter de bibliothèque. IronOCR est l'un des moteurs OCR les plus précis pour les projets .NET.

Examinons certaines des caractéristiques uniques d'IronOCR :

• IronOCR est conçu 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 résultat précis.
• IronOCR offre des performances exceptionnelles sur les images basse résolution avec un 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 multithreading. C'est une fonctionnalité fantastique qui n'est pas présente dans les autres bibliothèques OCR. Cela rend les processus plus fluides.
• IronOCR peut facilement effectuer la reconnaissance optique de caractères (OCR) sur les fichiers PDF et exporter des documents PDF consultables grâce à l'OCR.

IronOCR prend en charge toutes les principales langues, notamment l'arabe, le chinois, l'anglais, le finnois, le français, l'allemand, le japonais et bien d'autres. IronOCR offre la possibilité d'afficher la sortie dans différents formats tels que les données de code-barres, le texte brut ou la classe de résultats OCR contenant des lignes, des mots, des paragraphes et des caractères. IronOCR utilise la technologie de 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 des langages pris en charge. Elle offre également une prise en charge de Xamarin pour macOS.

Fonctionnalités de la bibliothèque OCR Tesseract

Le SDK Tesseract.net est un produit de Patagames, une bibliothèque de reconnaissance optique de caractères (OCR) pour les projets .NET, et fournit une méthode pour ajouter des fonctionnalités OCR telles que la reconnaissance de texte dans les applications .NET. Le kit de développement logiciel Tesseract.NET est un moteur OCR capable de lire différents 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. En résumé, le SDK Tesseract.NET est une bibliothèque de classes basée sur le projet Tesseract OCR. Il est doté d'un moteur Tesseract pour effectuer la reconnaissance optique de caractères (OCR). Le fichier Patagames.Ocr.xml contient la documentation XML de l'API.

Le kit de développement logiciel Tesseract.NET prend en charge .NET Framework 2.0 à 4.5 sur les systèmes d'exploitation 32 bits et 64 bits. Ce kit de développement logiciel (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 kit de développement logiciel .NET n'est pas disponible pour macOS ni Linux.

Utilisation d'IronOCR et du SDK Tesseract.NET

Voyons comment nous pouvons utiliser IronOCR et le SDK Tesseract.NET dans notre projet.

Création d'un projet C# dans Visual Studio

Nous utilisons la version Visual Studio 2022 pour créer ce projet. Pour un déroulement optimal, il est recommandé d'utiliser la dernière version de Visual Studio. Ensuite, ouvrez Visual Studio et cliquez sur " Créer un nouveau projet ". Ensuite, cliquez sur " Application console " parmi les modèles et configurez votre projet.

Veuillez maintenant saisir le nom du projet. Je lui donnerai le nom " IronOCR vs Tesseract.NET SDK ". Ensuite, sélectionnez le chemin dans lequel vous souhaitez créer un projet et appuyez sur Entrée.

Ensuite, sélectionnez la version .NET. Nous utilisons la dernière version de .NET, à savoir .NET 6, et IronOCR la prend en charge. Vous pouvez utiliser ce qui correspond le mieux aux besoins de votre projet.

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

Installez IronOCR et le SDK Tesseract.NET

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

Installer IronOCR

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

• À l'aide du Gestionnaire de Packages NuGet de Visual Studio
• Utilisation de 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 à l'aide de 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. Il est prêt à être utilisé 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. Accédez à la ligne de commande, qui se trouve généralement sous le fichier de code, puis saisissez la ligne suivante dans la ligne de commande et appuyez sur Entrée.

Install-Package IronOcr

L'installation de la bibliothèque IronOCR va commencer. Après l'installation, il sera prêt à être utilisé dans notre projet.

Installez le SDK Tesseract.NET

Nous pouvons installer le kit de développement logiciel Tesseract.NET à l'aide du gestionnaire de packages NuGet. Pour installer le SDK Tesseract.NET, accédez à Outils > Gestionnaire de packages NuGet > Gérer les packages NuGet pour la solution . Accédez à l'onglet Parcourir et recherchez le SDK Tesseract.NET. Sélectionnez le kit de développement logiciel Tesseract.NET dans les résultats de la recherche et installez-le. Après l'installation, nous pourrons utiliser le SDK Tesseract.NET dans notre programme.

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

Ces dossiers contiennent les données essentielles requises par Tesseract pour effectuer la reconnaissance optique de caractères (OCR). Nous sommes maintenant prêts à intégrer la fonctionnalité OCR à notre projet.

Image OCR

Il est maintenant temps de tester les capacités d'IronOCR et du SDK Tesseract.NET. Les deux bibliothèques peuvent effectuer une reconnaissance optique de caractères (OCR) sur les images. Nous allons les tester à l'aide d'une image inclinée et bruitée contenant du texte.

Image de test

Voici l'image que nous utiliserons pour les tests.

Utilisation du SDK Tesseract.NET

Nous allons tout d'abord examiner le résultat généré par le SDK Tesseract.NET pour l'image de test. Examinons le 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);
}

$vbLabelText   $csharpLabel

Tout d'abord, nous allons importer la bibliothèque Patagames.OCR pour utiliser le SDK Tesseract.NET. Après cela, nous allons créer un OcrApi en utilisant la fonction Create. Ensuite, nous définirons la langue par défaut sur l'anglais à l'aide de 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 image. Ensuite, nous écrivons le texte extrait dans la console.

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

Voici donc le résultat que nous obtenons du SDK Tesseract.NET. Dans un premier temps, il signale des erreurs liées à la résolution, ce qui indique qu'il ne fonctionne correctement que pour les images haute résolution. Après correction des erreurs, nous pouvons voir le texte extrait de l'image. Si nous comparons ce texte avec l'image, nous verrons qu'il est totalement différent. Le texte extrait contient beaucoup de passages hors sujet qui n'ont aucun sens. Globalement, le SDK Tesseract.NET échoue à ce test.

Utilisation d'IronOCR

Nous allons maintenant examiner les résultats obtenus avec IronOCR. Avant de passer aux résultats, nous allons d'abord examiner le code d'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);
}

$vbLabelText   $csharpLabel

Dans le code ci-dessus, nous importons la bibliothèque IronOCR dans notre programme, puis nous créons un objet de IronTesseract, ce qui permet de démarrer le processus. Ensuite, nous avons défini la langue du processus sur l'anglais. Le travail proprement dit peut maintenant commencer. Nous créons 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 dans sa position réelle, puis nous utilisons la fonction DeNoise pour supprimer le bruit de l'image. Cela permettra d'obtenir un meilleur résultat. Après cela, nous utilisons la fonction Read pour reconnaître le texte et l'extraire de l'image de test. Ensuite, nous affichons le résultat dans la console. Vous pouvez également enregistrer le résultat sous forme de fichier PDF dans le fichier de projet.

Voici le résultat généré par IronOCR :

Si l'on compare le résultat, il s'agit du même texte que celui présent sur l'image. IronOCR extrait le texte parfaitement, sans aucune erreur. IronOCR peut extraire du texte à partir d'images déformées et pivotées. Cela fonctionne même avec des images basse résolution.

IronOCR prend également en charge l'ajout d'images multi-images. Nous pouvons utiliser la méthode " AddMultiFrameTiff " pour effectuer cette opération. IronOCR lit chaque image de la photo, et chaque image est traitée comme une page distincte. Seules les images TIFF sont prises en charge par 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);
}

$vbLabelText   $csharpLabel

Examinons le code permettant de 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");
}

$vbLabelText   $csharpLabel

La fonction SaveAsSearchablePdf permet d'enregistrer les fichiers de manière à ce qu'ils soient consultables.

Autres fonctionnalités

• Contraste : Ce filtre d'image transforme chaque pixel en noir ou blanc, sans nuance intermédiaire.
• DeepCleanBackgroundNoise : Utilisez ce filtre en cas de bruit de fond extrême dans le document.
• Inverser : Inverse toutes les couleurs. Ex. : Le blanc devient noir ; le noir devient blanc.
• ReplaceColor : Remplace la couleur par une autre couleur pour réduire le bruit.
• ToGrayScale : ce filtre d'image transforme chaque pixel en une nuance de gris.
• Et bien d'autres fonctions et caractéristiques.

Licences

IronOCR

IronOCR est gratuit pour le développement. Elle propose également une version d'essai gratuite pour le développement. IronOCR propose différents plans tarifaires pour la production. Vous pouvez acheter le forfait qui correspond le mieux à vos besoins. Il existe des formules tarifaires pour les particuliers, les équipes de développeurs et les organisations. Les prix commencent à partir de $799 pour un forfait Lite pour un développeur et un projet. Tous les forfaits sont à paiement unique. Les utilisateurs bénéficient de mises à jour gratuites pendant un an. Il prend également en charge la couverture SaaS et OEM. Les forfaits professionnels sont disponibles sur $999, tandis que le forfait illimité est proposé sur $2,999. Le forfait illimité comprend un nombre illimité de développeurs, de projets et de lieux.

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

Le SDK Tesseract.NET

Le kit de développement logiciel Tesseract.NET dispose également d'un plan tarifaire. Le plan Tesseract.NET SDK commence à partir de $220 pour un développeur et un projet. Il est important de noter que le plan tarifaire inclut un plan de renouvellement. Vous devez donc payer un abonnement annuel ou mensuel pour garantir le bon fonctionnement du SDK Tesseract.NET dans votre projet. You can learn more about the pricing plan for the Tesseract.NET SDK at this link.

Conclusion

IronOCR est la bibliothèque idéale pour les tâches à accomplir. IronOCR prend également en charge 125 langues, ce qui signifie qu'il est accepté dans le monde entier. Il prend en charge plusieurs formats d'image et les fichiers PDF pour le traitement des données d'entrée. Il effectue également le prétraitement des images afin de garantir les meilleurs résultats. IronOCR est une bibliothèque .NET très performante. Il peut reconnaître du texte provenant d'une zone spécifique d'une image. IronOCR privilégie la précision, et les résultats obtenus sont effectivement remarquables à cet égard. Les développeurs n'ont besoin d'aucun fichier ni bibliothèque supplémentaire pour effectuer la reconnaissance optique de caractères (OCR). Globalement, c'est la bibliothèque parfaite.

Le kit de développement logiciel Tesseract.NET est également une bibliothèque sonore pour les projets .NET. Elle propose des services de reconnaissance optique de caractères (OCR) dans 60 langues. Il est basé sur le projet Tesseract OCR. Grâce à son ensemble de fonctions, il peut convertir des images numérisées en PDF consultables. Le kit de développement logiciel Tesseract.NET accepte un large éventail de formats d'image pour le traitement des entrées. Elle fournit des services de haut niveau pour prendre en charge ses capacités OCR dans les projets .NET.

IronOCR et le SDK Tesseract.NET proposent tous deux des formules tarifaires. Cependant, IronOCR propose une plus grande variété dans son plan tarifaire, et il est également moins cher que le SDK Tesseract.NET. En effet, IronOCR n'accepte que les paiements uniques, tandis que le SDK Tesseract.NET propose des renouvellements mensuels ou annuels. Ainsi, à long terme, vous devrez nécessairement payer plus cher pour le SDK Tesseract.NET, 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 SDK Tesseract.NET en termes de performances pour les documents flous, pivotés, inclinés et légèrement bruités. Les deux bibliothèques offrent de bonnes capacités de reconnaissance optique de caractères (OCR), mais IronOCR est une bibliothèque avancée dotée de meilleures fonctions telles que le prétraitement d'images, le débruitage et la rotation des images dans leur position d'origine. Le kit de développement logiciel Tesseract.NET prend en charge jusqu'à 60 langues et IronOCR jusqu'à 125 langues. Le kit de développement logiciel Tesseract.NET nécessite des fichiers supplémentaires pour différentes langues, ce qui alourdit le programme. De plus, le kit de développement logiciel Tesseract.NET n'a pas été mis à jour depuis longtemps.

IronOCR offers a free trial for production tests. Elle propose actuellement une excellente offre spéciale permettant d'acheter la suite complète de cinq logiciels Iron Software pour le prix de deux seulement. You can get more information about the offer at this link.