Easyocr vs Tesseract (Comparaison des fonctionnalités d'OCR)

EasyOCR peut être installé à l'aide de pip, le Package Manager de Python. Assurez-vous d'abord que toutes les dépendances sont satisfaites. Les dépendances essentielles incluent les bibliothèques PyTorch : torch et torchvision. Ces éléments peuvent être installés en même temps qu'EasyOCR :

Installation d'EasyOCR : Ouvrez un terminal ou une invite de commandes et saisissez la commande :

pip install easyocr

pip install easyocr

Installez PyTorch, s'il n'est pas déjà installé (requis par EasyOCR) : EasyOCR fonctionne sur PyTorch. Si PyTorch n'est pas installé automatiquement dans votre environnement, suivez le guide d'installation officiel.

Une fois installé, EasyOCR sera prêt à être utilisé pour les tâches d'extraction de texte.

Image OCR utilisant EasyOCR

Voici un exemple de code Python illustrant comment utiliser EasyOCR pour effectuer une reconnaissance optique de caractères (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 le résultat généré par le code ci-dessus.

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

pip install pytesseract

pip install pytesseract

Image OCR utilisant pytesseract

Voici un exemple de code Python utilisant pytesseract pour effectuer une reconnaissance optique de caractères (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 se trouve la sortie générée par le code ci-dessus.

• Haute précision : Utilise des algorithmes avancés pour fournir des niveaux de précision élevés en matière de reconnaissance de texte, quelle que soit la complexité du document ou la police utilisée.

• Prise en charge de plusieurs formats : accepte les formats d'image tels que JPEG, PNG, GIF et TIFF, en plus des PDF, pour une plus grande polyvalence dans toutes les applications.

• Reconnaissance multilingue : Prend en charge la reconnaissance optique de caractères multilingue, offrant des résultats précis dans divers contextes linguistiques.

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

• OCR configurable : offre des paramètres configurables pour la résolution d'image, l'orientation du texte, etc., permettant aux développeurs d'optimiser les performances OCR pour des images spécifiques.

• Prétraitement d'image : Inclut des outils de base pour améliorer les images, tels que la suppression du bruit, le réglage du contraste et le redimensionnement, afin d'améliorer la précision de la reconnaissance optique de caractères (OCR).

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

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

• Traitement par lots : Permet de traiter simultanément plusieurs images ou documents, utile pour gérer de grands volumes de données.

Installation

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

Exemple de code utilisant IronOCR

Le code C# suivant illustre 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);
        }
    }
}

Haute précision

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

Multiformat 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 plusieurs colonnes tout en préservant la structure et la mise en forme originales du document. Il est parfaitement adapté aux projets où la préservation du tracé est primordiale.

Sa capacité à convertir directement des images et des documents numérisés en PDF entièrement consultables sans avoir recours à des outils ou bibliothèques supplémentaires lui confère un avantage sur Tesseract et EasyOCR.

IronOCR offre un prétraitement avancé

Même les images de mauvaise qualité peuvent atteindre une précision OCR élevée grâce aux fonctionnalités de prétraitement avancées d'IronOCR, ce qui réduit le besoin de bibliothèques supplémentaires comme OpenCV et en fait une solution complète pour l'extraction de texte.

Évolutivité et performances

Optimisé pour une reconnaissance optique de caractères (OCR) rapide et économe en ressources, IronOCR prend en charge l'évolutivité pour les tâches de traitement de documents volumineux, une priorité pour les applications d'entreprise.

Support et mises à jour

Grâce à son support commercial, IronOCR bénéficie de mises à jour régulières, de corrections de bugs et d'une assistance dédiée, offrant une fiabilité à long terme et les dernières avancées en matière d'OCR, contrairement aux options open-source telles que Tesseract et EasyOCR.