Comment lire des images d'écriture manuscrite avec IronOCR

Quel format d'entrée dois-je utiliser?

:path=/static-assets/ocr/content-code-examples/how-to/read-handwritten-image.cs

using IronOcr;

// Instantiate OCR engine
var ocr = new IronTesseract();

// Load handwriting image
var inputHandWriting = new OcrInput();
inputHandWriting.LoadImage("handwritten.png");

// Perform OCR on the handwriting image
OcrHandwritingResult result = ocr.ReadHandwriting(inputHandWriting);

// Output the recognized handwritten text
Console.WriteLine(result.Text);
// Output the confidence score of the OCR result
Console.WriteLine(result.Confidence);

IRON VB CONVERTER ERROR developers@ironsoftware.com

Quels résultats puis-je attendre ?

La méthode `ReadHandwriting` a obtenu un score de confiance de 90,6 %, identifiant correctement la majorité du texte, y compris la phrase d'introduction "Mon nom est Erin Fish" Cet excellent résultat démontre la capacité d'IronOCR à traiter des textes manuscrits difficiles. Bien que le moteur ait eu du mal à gérer l'espacement et les lettres connectées, il a réussi à extraire le message principal. Cela montre qu'IronOCR traite efficacement des textes complexes et non standard. Pour les novices en matière d'OCR, commencez par notre [tutoriel d'OCR simple](https://ironsoftware.com/csharp/ocr/examples/simple-csharp-ocr-tesseract/) pour comprendre les bases avant de vous attaquer à la reconnaissance de l'écriture manuscrite. ### Comment utiliser la version asynchrone? IronOcr prend en charge une version asynchrone : `ReadHandwritingAsync`. Cela s'avère utile lorsqu'il s'agit de code asynchrone qui nécessite de récupérer des images d'entrée avant de les traiter. La [documentation de support asynchrone](https://ironsoftware.com/csharp/ocr/how-to/async/) fournit des conseils complets sur la mise en œuvre d'opérations OCR asynchrones. En utilisant la même entrée, voici comment utiliser la méthode asynchrone : ```csharp :path=/static-assets/ocr/content-code-examples/how-to/read-handwritten-image-async.cs ``` Vous pouvez fournir un paramètre facultatif `timeoutMs` pour spécifier les millisecondes avant l'annulation automatique. La valeur par défaut est `-1`, ce qui signifie qu'il n'y a pas de limite de temps - l'opération est exécutée jusqu'à son terme. ### Techniques de traitement avancées Pour les scénarios complexes de reconnaissance de l'écriture manuscrite, envisagez ces techniques avancées : **OCR spécifique à une région** : Lorsque vous travaillez avec des formulaires ou des documents structurés, utilisez [l'OCR par région](https://ironsoftware.com/csharp/ocr/how-to/ocr-region-of-an-image/) pour vous concentrer sur des zones spécifiques contenant du texte manuscrit. Cette approche améliore la précision en limitant la zone de traitement : ```csharp using IronOcr; using IronSoftware.Drawing; var ocrTesseract = new IronTesseract(); using var ocrInput = new OcrInput(); // Define a specific region for signature area var signatureRegion = new CropRectangle(x: 100, y: 500, width: 300, height: 100); ocrInput.LoadImage("form-with-signature.png", signatureRegion); var signatureResult = ocrTesseract.ReadHandwriting(ocrInput); Console.WriteLine($"Signature text: {signatureResult.Text}"); ``` **Suivi de l'avancement** : Pour le traitement par lots de plusieurs documents manuscrits, mettez en place un [suivi de l'avancement](https://ironsoftware.com/csharp/ocr/how-to/progress-tracking/) pour surveiller l'opération d'OCR : ```csharp ocrTesseract.OcrProgress += (sender, e) => { Console.WriteLine($"Processing: {e.ProgressPercent}% complete"); }; ``` ### Quels sont les défis à relever ? Bien qu'IronOCR atteigne un niveau de confiance élevé dans la conservation de la structure globale et du texte, l'OCR éprouve encore des difficultés avec l'écriture manuscrite, ce qui entraîne des erreurs localisées. Les défis courants nécessitent une vérification des résultats extraits : **Espacement irrégulier** : Un texte imprimé présente un espacement uniforme entre les lettres. L'espacement entre les traits de l'écriture manuscrite et les connexions entre les lettres varient considérablement. Cela entraîne une segmentation incorrecte des caractères, comme le montre le cas où `ununiformed` se divise en caractères individuels (u n u n i f o c m e d) au lieu d'un seul mot. **Variation des traits** : Chaque personne a une écriture unique, et les individus écrivent la même lettre différemment à chaque fois. Les connexions et les motifs des lettres varient considérablement. Le moteur doit en effet gérer une grande variabilité dans l'inclinaison, la pression et la forme des traits, ce qui rend la correspondance des formes moins fiable qu'avec des polices normalisées. **Formes de caractères ambiguës** : l'écriture manuscrite utilise souvent des traits simplifiés ou précipités, ce qui crée des formes ambiguës. Un `e` écrit rapidement peut ressembler à un `c`, ou des `l` et `i` connectés peuvent être mal identifiés. **Qualité et résolution** : Une mauvaise qualité de numérisation, une faible résolution ou une encre délavée ont un impact significatif sur la précision de la reconnaissance. Si vous rencontrez de tels problèmes, consultez notre [guide de dépannage général](https://ironsoftware.com/csharp/ocr/troubleshooting/general-troubleshooting-ocr/) pour trouver des solutions. Lorsque vous utilisez cette méthode, vérifiez que le résultat correspond à l'entrée prévue, en accordant une attention particulière aux mots peu espacés ou mal formés. Pensez à mettre en œuvre une logique de post-traitement pour gérer les erreurs de reconnaissance courantes spécifiques à votre cas d'utilisation. [{w:( La méthode `ReadHandwriting` ne permet d'obtenir qu'une faible précision d'extraction OCR lorsqu'il s'agit d'écritures cursives. @@--BRACKET-FERMETURE--@@