Tutoriel OCR en C# CodeProject : Extraire du texte à partir d'images avec IronOCR

Comment configurer une bibliothèque OCR dans mon projet .NET?

La mise en place de la reconnaissance optique de caractères (OCR) dans Visual Studio ne nécessite que quelques étapes. La bibliothèque IronOCR est disponible via NuGet, ce qui facilite l'intégration pour toute application Windows.

Ouvrez Visual Studio et créez un nouveau projet d'application console. Dans l'explorateur de solutions, faites un clic droit sur Références et sélectionnez "Gérer les packages NuGet" Recherchez "IronOcr" et installez le package. Le gestionnaire de packages NuGet télécharge tous les fichiers DLL requis et ajoute automatiquement des références à votre projet.

// Install via Package Manager Console
Install-Package IronOCR

// Install via Package Manager Console
Install-Package IronOCR

IRON VB CONVERTER ERROR developers@ironsoftware.com

Une fois installé, ajoutez l'instruction using pour importer l'espace de noms IronOCR dans votre programme. La bibliothèque prend en charge .NET Framework 4.6.2+ et .NET Core, ce qui garantit la compatibilité entre les différents types de projets et les différentes versions de Windows.

Comment extraire du texte d'un fichier image?

La première étape du processus d'OCR consiste à charger une image et à la faire passer par le moteur d'OCR. IronOCR fournit la classe IronTesseract comme principale API OCR pour les opérations de reconnaissance de caractères. Cet exemple d'OCR démontre l'approche fondamentale de l'extraction de texte à partir de n'importe quel fichier image.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        // Initialize the new Tesseract engine
        var ocr = new IronTesseract();
        // Load the image file and perform OCR
        using (var input = new OcrInput())
        {
            input.LoadImage(@"sample-document.png");
            // Process the image and extract text
            OcrResult result = ocr.Read(input);
            // Output the recognized text
            var text = result.Text;
            Console.WriteLine(text);
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        // Initialize the new Tesseract engine
        var ocr = new IronTesseract();
        // Load the image file and perform OCR
        using (var input = new OcrInput())
        {
            input.LoadImage(@"sample-document.png");
            // Process the image and extract text
            OcrResult result = ocr.Read(input);
            // Output the recognized text
            var text = result.Text;
            Console.WriteLine(text);
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Comment traiter des documents numérisés et des fichiers TIFF?

Les applications du monde réel nécessitent souvent le traitement de documents numérisés de plusieurs pages stockés sous forme de fichiers TIFF. La bibliothèque OCR gère efficacement ces scénarios en permettant aux développeurs de charger des plages de pages spécifiques ou de traiter des documents entiers. Cet exemple de code montre comment travailler avec des images TIFF multi-images.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Load specific pages from a multi-page TIFF file
            int[] pageIndices = new int[] { 0, 1, 2 };
            input.LoadImageFrames(@"scanned-documents.tiff", pageIndices);
            // Apply image enhancement for better results
            input.Deskew();
            OcrResult result = ocr.Read(input);
            // Access page-by-page results
            foreach (var page in result.Pages)
            {
                Console.WriteLine($"Page {page.PageNumber}:");
                Console.WriteLine(page.Text);
            }
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Load specific pages from a multi-page TIFF file
            int[] pageIndices = new int[] { 0, 1, 2 };
            input.LoadImageFrames(@"scanned-documents.tiff", pageIndices);
            // Apply image enhancement for better results
            input.Deskew();
            OcrResult result = ocr.Read(input);
            // Access page-by-page results
            foreach (var page in result.Pages)
            {
                Console.WriteLine($"Page {page.PageNumber}:");
                Console.WriteLine(page.Text);
            }
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Comment gérer les erreurs de code OCR et améliorer les résultats de la reconnaissance ?

Les applications de production requièrent un traitement des erreurs approprié pour gérer divers scénarios d'exception. Les problèmes de qualité d'image, les formats de fichiers non pris en charge ou les fichiers corrompus peuvent faire échouer le processus d'OCR. La mise en œuvre de la gestion des exceptions permet à votre application de répondre de manière élégante à ces situations.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        // Configure the OCR engine for your language
        ocr.Language = OcrLanguage.English;
        try
        {
            using (var input = new OcrInput())
            {
                input.LoadImage(@"document.png");
                // Enhance low-quality images
                input.DeNoise();
                input.Deskew();
                OcrResult result = ocr.Read(input);
                if (result.Text.Length > 0)
                {
                    Console.WriteLine("Recognized text:");
                    Console.WriteLine(result.Text);
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"OCR Error: {ex.Message}");
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        // Configure the OCR engine for your language
        ocr.Language = OcrLanguage.English;
        try
        {
            using (var input = new OcrInput())
            {
                input.LoadImage(@"document.png");
                // Enhance low-quality images
                input.DeNoise();
                input.Deskew();
                OcrResult result = ocr.Read(input);
                if (result.Text.Length > 0)
                {
                    Console.WriteLine("Recognized text:");
                    Console.WriteLine(result.Text);
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"OCR Error: {ex.Message}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

La propriété Language permet de configurer le pack de langues utilisé par le moteur OCR pour la reconnaissance de texte. IronOCR prend en charge plus de 125 langues, chacune étant disponible sous forme de packages NuGet distincts. Le filtre DeNoise supprime les artefacts numériques des documents numérisés, tandis que le filtre Deskew corrige l'alignement, deux éléments essentiels pour obtenir des résultats de reconnaissance optimaux à partir d'images sources imparfaites.

Comment créer un PDF consultable à partir d'un texte reconnu?

La conversion de documents numérisés en fichiers PDF interrogeables est l'une des applications d'OCR les plus utiles. Les utilisateurs peuvent ensuite rechercher, sélectionner et copier du texte à partir de documents qui ne contenaient auparavant que des images. Cette transformation permet aux systèmes de gestion documentaire d'indexer le contenu et d'améliorer l'accessibilité.

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Set document metadata
            input.Title = "Converted Document";
            // Load source images or existing PDF
            input.LoadImage(@"page1.png");
            input.LoadImage(@"page2.png");
            OcrResult result = ocr.Read(input);
            // Save as searchable PDF with embedded text layer
            result.SaveAsSearchablePdf(@"searchable-output.pdf");
            Console.WriteLine("Searchable PDF created successfully.");
            Console.WriteLine($"Total pages processed: {result.Pages.Count}");
        }
    }
}

using System;
using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();
        using (var input = new OcrInput())
        {
            // Set document metadata
            input.Title = "Converted Document";
            // Load source images or existing PDF
            input.LoadImage(@"page1.png");
            input.LoadImage(@"page2.png");
            OcrResult result = ocr.Read(input);
            // Save as searchable PDF with embedded text layer
            result.SaveAsSearchablePdf(@"searchable-output.pdf");
            Console.WriteLine("Searchable PDF created successfully.");
            Console.WriteLine($"Total pages processed: {result.Pages.Count}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Conclusion

La mise en œuvre de la reconnaissance optique de caractères dans les projets C# devient simple avec IronOCR. La bibliothèque gère le traitement d'images complexes, prend en charge plusieurs formats d'images et langues, et offre des options de sortie flexibles, y compris la génération de PDF avec possibilité de recherche. De la simple extraction de texte au traitement de documents TIFF multipages, les exemples de ce didacticiel démontrent les flux de travail de base dont les développeurs ont besoin.

La documentation IronOCR fournit des exemples de code supplémentaires pour les filtres d'image avancés, lecture de codes-barres, et traitement OCR spécifique à une région. La référence API détaille toutes les classes et méthodes disponibles pour construire des solutions complètes de traitement de documents.

Commencez avec IronOCR maintenant.

Commencer gratuitement

Prêt à mettre en œuvre l'OCR dans votre prochain projet ? Acheter une licence permettant de déployer IronOcr dans des environnements de production avec une assistance et des mises à jour complètes.