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

Comment installer IronOCR dans un projet .NET ?

La méthode la plus rapide pour ajouter la reconnaissance optique de caractères (OCR) à un projet .NET 10 consiste à utiliser le gestionnaire de packages NuGet . Ouvrez un terminal dans le répertoire de votre projet et exécutez la commande dotnet CLI, ou utilisez la console du gestionnaire de packages dans Visual Studio :

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

Après l'installation, le gestionnaire de packages NuGet télécharge tous les assemblys nécessaires et configure automatiquement les références. IronOCR cible .NET Framework 4.6.2+, .NET Core 3.1+ et .NET 5 à .NET 10, il fonctionne donc avec les applications console, les services ASP.NET Core , les applications WPF et les fonctions Azure.

Vous n'avez pas besoin d'enregistrer de clé de licence pour effectuer des tests en local : un filigrane d'essai apparaît sur le résultat jusqu'à ce qu'une licence soit appliquée. Ajoutez la directive using et, lorsque vous serez prêt pour la production, transmettez votre clé une seule fois au démarrage :

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

Consultez la page de licence IronOCR pour obtenir des informations sur les prix et l'activation.

Comment extraire du texte d'un fichier image ?

Le flux de travail OCR de base implique trois objets : IronTesseract (le moteur), OcrInput (le conteneur d'entrée) et OcrResult (la sortie). L'exemple ci-dessous lit un fichier PNG et affiche le texte reconnu dans la console.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

Comment traitez-vous les documents numérisés et les fichiers TIFF ?

Les fichiers TIFF multipages sont courants dans les flux de travail de numérisation de documents. IronOCR les gère avec LoadImageFrames, ce qui vous permet de choisir exactement les cadres (pages) à traiter -- utile lorsque vous n'avez besoin que d'un sous-ensemble d'une grande archive.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

Comment configurer la prise en charge linguistique pour la reconnaissance optique de caractères (OCR) ?

Par défaut, IronOCR lit le texte en anglais. Pour traiter des documents dans d'autres langues, installez le package NuGet de langue correspondant et définissez la propriété Language sur l'instance IronTesseract.

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

Configurez ensuite le moteur et, pour les documents bilingues, ajoutez une langue secondaire :

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

IronOCR prend en charge plus de 125 langues , chacune distribuée sous forme de package NuGet léger distinct. Cela permet de limiter la taille de votre fichier binaire de production : seules les données linguistiques dont votre application a réellement besoin sont incluses. Le moteur combine les modèles de langage primaires et secondaires lors de la reconnaissance lorsque vous appelez AddSecondaryLanguage.

Comment gérer les erreurs de reconnaissance optique de caractères (OCR) et améliorer les résultats de reconnaissance ?

Les applications de production nécessitent une gestion des erreurs au niveau du pipeline OCR. Les problèmes de qualité d'image, les fichiers manquants ou les formats non pris en charge peuvent provoquer des exceptions. Encadrer l'appel dans un bloc try/catch vous offre une voie de récupération propre.

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

Voici quelques paramètres supplémentaires qui peuvent s'avérer utiles lorsque la précision est inférieure aux attentes :

• ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto -- permet à Tesseract de choisir automatiquement entre les mises en page à une seule colonne, à plusieurs colonnes et à un seul mot
• ocr.Configuration.ReadBarCodes = false -- désactive la détection des codes-barres si vous traitez des documents uniquement textuels et souhaitez un débit plus rapide
• ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5 -- vous garantit l'utilisation du moteur le plus rapide disponible

Pour les formulaires structurés où les champs apparaissent à des positions prévisibles, utilisez la reconnaissance optique de caractères (OCR) basée sur les régions pour ne lire que les zones pertinentes :

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

Limiter la reconnaissance à un rectangle de recadrage réduit le temps de traitement jusqu'à 90 % sur les grandes images. Cette technique est parfaitement adaptée à l'extraction des numéros de factures, à la lecture des champs de formulaires et à la numérisation des documents d'identité. Vous trouverez plus de détails dans le guide pratique OCR de la région .

Comment créer un PDF consultable à partir de texte reconnu ?

La conversion d'archives d'images numérisées en fichiers PDF consultables est l'un des cas d'utilisation de la reconnaissance optique de caractères (OCR) les plus intéressants. Le fichier résultant préserve l'apparence visuelle originale tout en intégrant une couche de texte invisible que les visionneuses PDF, les moteurs de recherche et les lecteurs d'écran peuvent indexer.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

Comment lire les codes-barres en même temps que du texte ?

IronOCR peut lire les codes-barres et les codes QR intégrés dans la même image que le texte imprimé, éliminant ainsi le besoin d'exécuter une bibliothèque de codes-barres séparée. Activez cette fonctionnalité à l'aide d'une seule propriété de configuration :

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

Les formats de codes-barres pris en charge incluent Code 128, Code 39, EAN-13, EAN-8, UPC-A, UPC-E, PDF417, Data Matrix et QR Code. Vous trouverez tous les détails dans le guide de lecture des codes-barres IronOCR .

Cette fonctionnalité est particulièrement utile dans les applications logistiques, de santé et de vente au détail où les étiquettes d'expédition, les bracelets d'identification des patients et les étiquettes de produits comportent à la fois du texte lisible par l'homme et des codes-barres lisibles par machine.

Comment comparer IronOCR avec d'autres solutions OCR .NET ?

Les développeurs qui évaluent les bibliothèques OCR for .NET prennent généralement en compte IronOCR, Tesseract .NET et les services cloud tels que Google Cloud Vision ou Azure Computer Vision. Le tableau ci-dessous résume les principales différences :

Tesseract , maintenu par Google en tant que projet open-source, alimente en interne IronOCR et Tesseract .NET . IronOCR ajoute un packaging idiomatique .NET, une gestion automatique des modèles et les fonctionnalités de sortie de production (PDF consultable, exportation hOCR) qui font défaut aux liaisons Tesseract brutes. Azure Computer Vision offre une précision cloud de pointe, mais introduit une latence réseau et des coûts par appel qui ne conviennent pas aux flux de travail à volume élevé ou hors ligne.

Dans les cas où la réglementation sur la protection des données interdit l'envoi de documents à des services externes (dossiers médicaux, documents juridiques, états financiers), une bibliothèque sur site comme IronOCR est le choix approprié.

Quelles sont vos prochaines étapes ?

Vous disposez désormais des éléments de base pour ajouter la reconnaissance optique de caractères (OCR) à n'importe quelle application .NET 10 : installation via NuGet, extraction de texte de base à partir d'images, traitement TIFF multipages, configuration de la langue, gestion des erreurs, lecture basée sur les régions, détection des codes-barres et génération de PDF consultables.

Pour aller plus loin, explorez ces ressources IronOCR :

• Page d'accueil de la documentation IronOCR : documentation complète de l'API et guides des fonctionnalités
• Tutoriel sur les filtres d'image : guide détaillé de tous les filtres de prétraitement
• Guide de lecture des codes-barres -- Codes QR et codes-barres linéaires accompagnés de texte
• Procédure OCR régionale : reconnaissance basée sur le recadrage pour les formulaires et les pièces d'identité
• Référence linguistique -- liste complète de plus de 125 langues prises en charge
• Référence API -- toutes les classes, méthodes et propriétés

Pour toute question relative aux licences ou pour déployer IronOCR dans un environnement de production, veuillez consulter la page de licences IronOCR . Une licence d'essai gratuite supprime les filigranes de sortie pendant votre période d'évaluation, et l'équipe d'assistance d'Iron Software est disponible pour répondre à vos questions techniques à tous les niveaux.

Commencez avec IronOCR maintenant.

Commencer gratuitement