Comment lire des images d'écriture manuscrite avec IronOCR
IronOCR offre une méthode ReadHandwriting spécialisée qui numérise de manière fiable le texte manuscrit à partir d'images, atteignant environ 90 % de précision pour l'écriture manuscrite en anglais malgré les défis inhérents à l'espacement irrégulier et aux variations du trait.
- Installez IronOCR et le package
IronOcr.Extensions.AdvancedScan - Créez une instance
IronTesseract - Chargez votre image manuscrite en utilisant
LoadImage() - Appelez la méthode
ReadHandwriting() - Accédez au texte extrait à partir de
OcrResult
-
1Install IronOCR with NuGet Package Manager
-
2Copiez et exécutez cet extrait de code.
using IronOcr; var ocrTesseract = new IronTesseract(); using var ocrInput = new OcrInput(); ocrInput.LoadImage("handwriting.png"); var ocrResult = ocrTesseract.ReadHandwriting(ocrInput); Console.WriteLine(ocrResult.Text);C# -
3Déployez pour tester sur votre environnement de production.
Commencez à utiliser IronOCR dans votre projet dès aujourd'hui avec un essai gratuit
La lecture automatique de textes manuscrits à partir d'images est extrêmement difficile car les gens écrivent différemment. Cette incohérence massive rend l'OCR difficile. Les documents cruciaux tels que les anciens dossiers, les formulaires d'admission des patients et les enquêtes auprès des clients nécessitent toujours un traitement manuel, ce qui entraîne des flux de travail sujets aux erreurs qui compromettent l'intégrité des données.
IronOCR résout ce problème en introduisant une méthode spécialisée pour comprendre et numériser de manière fiable les images d'écriture manuscrite. Construit sur le puissant moteur Tesseract 5, IronOcr combine un traitement d'image avancé avec l'apprentissage automatique pour offrir des capacités de reconnaissance de l'écriture manuscrite à la pointe de l'industrie.
Ce guide explique étape par étape la mise en œuvre de l'OCR de l'écriture manuscrite dans vos applications .NET. Que vous numérisiez des documents historiques, traitiez des formulaires médicaux ou convertissiez des notes manuscrites, vous apprendrez à obtenir des résultats fiables avec IronOcr.
Commencez avec IronOCR
Comment lire des images d'écriture manuscrite à l'aide d'IronOCR
- Téléchargez la bibliothèque C# pour la lecture d'images d'écriture manuscrite
- Instancier le moteur OCR
- Chargez l'image de l'écriture manuscrite avec
LoadImage - Utilisez la méthode
ReadHandwritingpour extraire des données de l'échantillon d'image d'écriture manuscrite - Accédez à la propriété OcrResult pour visualiser et manipuler les données extraites.
Pour utiliser cette fonction, vous devez d'abord installer le package IronOcr.Extensions.AdvancedScan. Veuillez noter que la méthode ReadHandwriting prend actuellement en charge uniquement l'anglais. Pour l'OCR en plusieurs langues, utilisez la méthode standard Read() avec les packs linguistiques appropriés.
Comment lire des images d'écriture manuscrite avec IronOCR?
La lecture d'une image d'écriture manuscrite avec IronOCR est simple. Commencez par instancier le moteur OCR, puis chargez l'image avec LoadImage, et enfin utilisez la méthode spécialisée ReadHandwriting conçue pour la reconnaissance de l'écriture manuscrite. Imprimez le texte extrait pour en vérifier l'exactitude et le contenu.
Avant le traitement, pensez à appliquer des filtres de correction de la qualité de l'image pour améliorer la lisibilité. Ces filtres peuvent améliorer considérablement la précision de la reconnaissance, en particulier pour les documents numérisés dont le contraste ou la résolution est faible.
Quel format d'entrée dois-je utiliser?
using IronOcr;
using System;
// 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);Imports IronOcr
Imports System
' Instantiate OCR engine
Dim ocr As New IronTesseract()
' Load handwriting image
Dim inputHandWriting As New OcrInput()
inputHandWriting.LoadImage("handwritten.png")
' Perform OCR on the handwriting image
Dim result As OcrHandwritingResult = ocr.ReadHandwriting(inputHandWriting)
' Output the recognized handwritten text
Console.WriteLine(result.Text)
' Output the confidence score of the OCR result
Console.WriteLine(result.Confidence)Quels résultats puis-je attendre ?
La méthode ReadHandwriting a atteint un score de confiance de 90,6 %, identifiant correctement la majorité du texte, y compris la phrase d'ouverture "My name is 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 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 fournit des conseils complets sur la mise en œuvre d'opérations OCR asynchrones.
En utilisant la même entrée, voici comment utiliser la méthode asynchrone :
using IronOcr;
using System;
using System.Threading.Tasks;
public class read_handwritten_image_async
{
public async Task codeAsync()
{
// Instantiate OCR engine
var ocr = new IronTesseract();
// Load handwriting image
var inputHandWriting = new OcrInput();
inputHandWriting.LoadImage("handwritten.png");
// Perform OCR using the async method with 'await'.
OcrHandwritingResult result = await ocr.ReadHandwritingAsync(inputHandWriting);
// Output the recognized handwriting text
Console.WriteLine(result.Text);
// Output the confidence score of the OCR result
Console.WriteLine(result.Confidence);
}
}Vous pouvez fournir un paramètre timeoutMs optionnel pour spécifier le nombre de millisecondes avant l'annulation automatique. La valeur par défaut est -1, ce qui signifie pas de limite de temps—l'opération s'exécute jusqu'à achèvement.
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 pour vous concentrer sur des zones spécifiques contenant du texte manuscrit. Cette approche améliore la précision en limitant la zone de traitement :
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($"Signature text: {signatureResult.Text}");Imports IronOcr
Imports IronSoftware.Drawing
Dim ocrTesseract As New IronTesseract()
Using ocrInput As New OcrInput()
' Define a specific region for signature area
Dim signatureRegion As New CropRectangle(x:=100, y:=500, width:=300, height:=100)
ocrInput.LoadImage("form-with-signature.png", signatureRegion)
Dim signatureResult = ocrTesseract.ReadHandwriting(ocrInput)
Console.WriteLine($"Signature text: {signatureResult.Text}")
End UsingSuivi de l'avancement : Pour le traitement par lots de plusieurs documents manuscrits, mettez en place un suivi de l'avancement pour surveiller l'opération d'OCR :
ocrTesseract.OcrProgress += (sender, e) =>
{
Console.WriteLine($"Processing: {e.ProgressPercent}% complete");
};ocrTesseract.OcrProgress += Sub(sender, e)
Console.WriteLine($"Processing: {e.ProgressPercent}% complete")
End SubQuels 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 montré lorsque 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, créant des formes ambiguës. Un e écrit rapidement pourrait ressembler à un c, ou des l et i connectés pourraient 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 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.
ReadHandwriting ne peut obtenir que de faibles extraits OCR en termes de précision lorsqu'il s'agit de textes cursifs.Questions Fréquemment Posées
Quelle précision puis-je attendre lors de l'extraction de texte manuscrit à partir d'images ?
La méthode ReadHandwriting d'IronOCR atteint une précision d'environ 90 % pour la reconnaissance de l'écriture manuscrite en anglais, malgré les défis inhérents à l'espacement irrégulier et aux variations de traits qui rendent l'OCR de l'écriture manuscrite particulièrement difficile.
Quelles sont les langues prises en charge pour la reconnaissance de l'écriture manuscrite ?
La méthode ReadHandwriting d'IronOcr ne prend actuellement en charge que l'anglais. Pour l'OCR en plusieurs langues, vous devrez utiliser la méthode standard Read() avec les packs de langue appropriés au lieu de la méthode spécialisée handwriting.
Quel progiciel supplémentaire dois-je installer pour l'OCR de l'écriture manuscrite ?
Pour utiliser la fonctionnalité de reconnaissance de l'écriture manuscrite dans IronOCR, vous devez installer le package IronOcr.Extensions.AdvancedScan en plus de la bibliothèque principale IronOCR.
Comment mettre en œuvre la reconnaissance de l'écriture manuscrite de base en C# ?
Créez une instance IronTesseract, chargez votre image d'écriture manuscrite à l'aide de LoadImage(), appelez la méthode ReadHandwriting() et accédez au texte extrait à partir du résultat OcrResult. IronOCR se charge automatiquement du traitement complexe de l'image et de l'apprentissage automatique.
Quels types de documents manuscrits peuvent être traités ?
IronOcr peut traiter divers documents manuscrits, notamment des dossiers historiques, des formulaires d'admission des patients, des enquêtes auprès des clients et des notes manuscrites. La bibliothèque est conçue pour gérer les incohérences de l'écriture humaine qui rendent le traitement manuel sujet aux erreurs.
Quelle est la technologie utilisée pour la reconnaissance de l'écriture manuscrite ?
La reconnaissance de l'écriture manuscrite d'IronOcr s'appuie sur le puissant moteur Tesseract 5, qui associe un traitement d'image avancé à des algorithmes d'apprentissage automatique pour offrir des capacités de reconnaissance de l'écriture manuscrite à la pointe de l'industrie.
How can I use IronOCR asynchronously for handwriting recognition?
With IronOCR, you can utilize the ReadHandwritingAsync method to perform OCR asynchronously. This is useful in scenarios requiring asynchronous processing, and you can handle the operations with C# async/await patterns.
What are some advanced techniques for handwriting OCR using IronOCR?
Advanced techniques include region-specific OCR for forms or specific documents to focus processing on parts with handwritten text and implementing progress tracking for batch processing.
What are common challenges faced by OCR in handwriting recognition?
IronOCR faces challenges like irregular spacing, stroke variation, ambiguous character shapes, and poor scan quality, which can impact OCR results, requiring verification of extracted text.
How does IronOCR address OCR challenges in handwriting?
IronOCR addresses OCR challenges by combining advanced image processing with machine learning techniques to enhance the reliability of recognizing and digitizing handwritten text from images.
Curtis Chau détient un baccalauréat en informatique (Université de Carleton) et se spécialise dans le développement front-end avec expertise en Node.js, TypeScript, JavaScript et React. Passionné par la création d'interfaces utilisateur intuitives et esthétiquement plaisantes, Curtis aime travailler avec des frameworks modernes et créer des manuels bien structurés et visuellement attrayants.
