Easyocr vs Tesseract (Comparaison des fonctionnalités d'OCR)

EasyOCR peut être installé à l'aide de pip, le gestionnaire de paquets de Python. Assurez-vous que toutes les dépendances ont été satisfaites au préalable. Les dépendances essentielles incluent les bibliothèques PyTorch : torch et torchvision. Celles-ci peuvent être installées conjointement avec EasyOCR :

Installer EasyOCR : Ouvrez un terminal ou une ligne de commande et entrez la commande :

pip install easyocr

pip install easyocr

Installer PyTorch, si non installé (requis par EasyOCR) : EasyOCR fonctionne sur PyTorch. Si non installé automatiquement dans votre environnement, suivez le guide officiel d'installation de PyTorch.

Une fois installé, vous serez prêt à utiliser EasyOCR pour des tâches d'extraction de texte.

Image OCR à l'aide de EasyOCR

Ce qui suit est un exemple de code Python démontrant comment utiliser EasyOCR pour effectuer un OCR sur une image :

import easyocr
import matplotlib.pyplot as plt
import cv2

# Initialize the EasyOCR reader with the English language specified
reader = easyocr.Reader(['en'])  # Specify the languages (e.g., 'en' for English)

# Load the image
image_path = 'sample_image.png'  # Path to the image
image = cv2.imread(image_path)

# Perform OCR on the image
result = reader.readtext(image_path)

# Print detected text and its bounding boxes
for (bbox, text, prob) in result:
    print(f"Detected Text: {text} (Confidence: {prob:.4f})")

# Optionally, display the image with bounding boxes around the detected text
for (bbox, text, prob) in result:
    # Unpack the bounding box
    top_left, top_right, bottom_right, bottom_left = bbox
    top_left = tuple(map(int, top_left))
    bottom_right = tuple(map(int, bottom_right))

    # Draw a rectangle around the text
    cv2.rectangle(image, top_left, bottom_right, (0, 255, 0), 2)

# Convert the image to RGB (since OpenCV loads images in BGR by default)
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Display the image with bounding boxes
plt.imshow(image_rgb)
plt.axis('off')
plt.show()

import easyocr
import matplotlib.pyplot as plt
import cv2

# Initialize the EasyOCR reader with the English language specified
reader = easyocr.Reader(['en'])  # Specify the languages (e.g., 'en' for English)

# Load the image
image_path = 'sample_image.png'  # Path to the image
image = cv2.imread(image_path)

# Perform OCR on the image
result = reader.readtext(image_path)

# Print detected text and its bounding boxes
for (bbox, text, prob) in result:
    print(f"Detected Text: {text} (Confidence: {prob:.4f})")

# Optionally, display the image with bounding boxes around the detected text
for (bbox, text, prob) in result:
    # Unpack the bounding box
    top_left, top_right, bottom_right, bottom_left = bbox
    top_left = tuple(map(int, top_left))
    bottom_right = tuple(map(int, bottom_right))

    # Draw a rectangle around the text
    cv2.rectangle(image, top_left, bottom_right, (0, 255, 0), 2)

# Convert the image to RGB (since OpenCV loads images in BGR by default)
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Display the image with bounding boxes
plt.imshow(image_rgb)
plt.axis('off')
plt.show()

L'image ci-dessous est la sortie générée à partir du code ci-dessus.

Après avoir installé Tesseract, installez le package pytesseract à l'aide de pip :

pip install pytesseract

pip install pytesseract

Image OCR à l'aide de pytesseract

Voici un exemple de code Python utilisant pytesseract pour effectuer un OCR sur une image :

import pytesseract
from PIL import Image

# Set the path to the Tesseract executable
pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'

# Open the image and perform OCR
image = Image.open('sample_image.png')
text = pytesseract.image_to_string(image)

# Print the extracted text
print(text)

import pytesseract
from PIL import Image

# Set the path to the Tesseract executable
pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'

# Open the image and perform OCR
image = Image.open('sample_image.png')
text = pytesseract.image_to_string(image)

# Print the extracted text
print(text)

Ci-dessous la sortie générée à partir du code ci-dessus.

• Haute précision : Utilise des algorithmes avancés pour fournir des niveaux élevés de précision dans la reconnaissance de texte indépendamment de la complexité des documents ou de l'utilisation de polices.

• Support de multiples formats : Accepte des formats d'image comme JPEG, PNG, GIF, et TIFF, en plus des PDF, pour plus de polyvalence dans les applications.

• Reconnaissance multilingue : Supporte l'OCR multilingue, délivrant des résultats précis dans divers contextes linguistiques.

• Préservation de la mise en page du texte : Maintient la mise en page originale du document, garantissant que le texte extrait conserve sa structure formatée.

• OCR configurable : Offre des paramètres configurables pour la résolution d'image, l'orientation du texte, et plus encore, permettant aux développeurs d'optimiser la performance de l'OCR pour des images spécifiques.

• Prétraitement d'image : Inclut des outils basiques pour améliorer les images, tels que la suppression du bruit, l'ajustement du contraste, et le redimensionnement, pour améliorer la précision de l'OCR.

• Conversion de PDF consultable : Convertit directement des images scannées et des documents en PDF consultables pour une gestion et une récupération des données efficaces.

• Intégration facile : Facilite une intégration directe dans les applications .NET, permettant aux utilisateurs d'ajouter facilement des fonctionnalités OCR.

• Traitement par lots : Supporte le traitement de plusieurs images ou documents simultanément, utile pour traiter de gros volumes de données.

Installation

Pour installer IronOCR, ouvrez le gestionnaire de paquets NuGet dans Visual Studio, démarrez un nouveau projet, recherchez "IronOCR", sélectionnez la dernière version, et cliquez sur Installer.

Exemple de code utilisant IronOCR

Le code C# suivant montre comment utiliser IronOCR pour le traitement OCR :

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        // Initialize IronTesseract engine
        var Ocr = new IronTesseract();

        // Add languages to the OCR engine
        Ocr.Language = OcrLanguage.English;

        // Define the path to the input image
        var inputFile = @"path\to\your\image.png";

        // Read the image and perform OCR
        using (var input = new OcrInput(inputFile))
        {
            var result = Ocr.Read(input);

            // Display the extracted text
            Console.WriteLine("Text:");
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        // Initialize IronTesseract engine
        var Ocr = new IronTesseract();

        // Add languages to the OCR engine
        Ocr.Language = OcrLanguage.English;

        // Define the path to the input image
        var inputFile = @"path\to\your\image.png";

        // Read the image and perform OCR
        using (var input = new OcrInput(inputFile))
        {
            var result = Ocr.Read(input);

            // Display the extracted text
            Console.WriteLine("Text:");
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Initialize IronTesseract engine
		Dim Ocr = New IronTesseract()

		' Add languages to the OCR engine
		Ocr.Language = OcrLanguage.English

		' Define the path to the input image
		Dim inputFile = "path\to\your\image.png"

		' Read the image and perform OCR
		Using input = New OcrInput(inputFile)
			Dim result = Ocr.Read(input)

			' Display the extracted text
			Console.WriteLine("Text:")
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Haute Précision

IronOCR se distingue par sa précision avec des mises en page complexes, des images bruyantes et des textes de basse résolution par rapport à Tesseract ou EasyOCR. Ses outils intégrés de prétraitement d'image, tels que la réduction du bruit et les ajustements de contraste, contribuent à atteindre une grande précision dans des applications du monde réel.

Multi-format et Préservation de la mise en page

IronOCR excelle dans le traitement de divers formats d'image, de fichiers PDF, et de mises en page à colonnes multiples tout en préservant la structure et le formatage originaux des documents. Il est bien adapté aux projets où la préservation de la mise en page est primordiale.

Sa capacité à convertir directement des images et des documents scannés en PDFs entièrement consultables sans dépendre d'outils ou bibliothèques supplémentaires lui donne un avantage sur Tesseract et EasyOCR.

IronOCR Offre Un Prétraitement Avancé

Même les images de mauvaise qualité peuvent atteindre une haute précision OCR en utilisant les fonctionnalités avancées de prétraitement d'IronOCR, réduisant la nécessité d'une bibliothèque supplémentaire comme OpenCV, faisant de lui une solution complète pour l'extraction de texte.

Évolutivité et Performance

Optimisé pour un traitement OCR à grande vitesse et économe en ressources, IronOCR supporte l'évolutivité pour les tâches de traitement de documents volumineux, une priorité pour les applications d'entreprise.

Support et Mises à Jour

Avec un support commercial, IronOCR bénéficie de mises à jour régulières, de corrections de bogues, et d'une assistance dédiée, offrant une fiabilité à long terme et les dernières avancées en OCR, contrairement aux options open-source comme Tesseract et EasyOCR.