請求書OCRオープンソース比較：最適なツールを見つける

C#におけるTesseract OCRの機能と特徴

.NET アプリケーションへの統合: Tesseract OCR を C# プロジェクトに統合するには、Tesseract .NET SDK またはラッパーを使用する必要があります。 これは、.NET環境内でのOCR機能を効率的に組み込む方法を提供します。

テキスト認識: Tesseract OCR は、さまざまな画像形式からテキストを認識し、抽出することに優れています。 これは、スキャン済みの文書やPDFファイルから、難しい照明条件や角度で撮影された画像まで、さまざまな文書タイプを処理するのが得意です。

複数言語のサポート: Tesseract は 100 を超える言語をサポートしており、さまざまな言語ソースからのテキストを処理するグローバル アプリケーションに非常に汎用的に使用できます。

カスタマイズとトレーニング: Tesseract を使用すると、開発者は新しいフォントや言語を使用してエンジンをトレーニングし、特定のビジネス ニーズやドキュメントの種類に適したカスタマイズされた OCR ソリューションを提供できます。

Emgu CVの利点

クロスプラットフォーム: Emgu CV は、iOS、Android、Mac OS、Linux、Windows など、.NET をサポートするあらゆるプラットフォームで機能します。

クロス言語: Emgu CV は、C# 以外にも、VB.NET、C++、IronPython などの複数の言語でアクセス可能で、豊富なサンプル コードと堅牢なドキュメント サポートが提供されます。

At9Tの機能

ユーザーフレンドリーなインターフェース:インターフェースは使いやすさを重視して設計されており、経験のないユーザーでも簡単に操作できます。

複数言語のサポート:英語、オランダ語、日本語、韓国語など、さまざまな言語をサポートします。

バッチ処理:複数のファイルを同時に処理できるため、多数のドキュメントからデータを抽出する際の時間を節約できます。

IronOCRの主な機能

入力の柔軟性: 画像（JPG、PNG、BMP）、マルチページ/フレームファイル（TIFF、GIF）、System.Drawingオブジェクト、ストリーム、最適化されたDPIのPDFなどのさまざまな形式を処理します。

高度なフィルター: 画像補正（シャープニング、解像度の向上など）と色補正のフィルターを提供して、OCRの前の最適な品質を確保します。

領域選択: CropRectangleを使用して文書の特定の領域をOCRのために選択することを可能にします。

データ出力: .NETテキスト文字列、バーコード、QRデータ、画像としてデータを提供します。

構造化データ: ページ、ブロック、段落、行、単語、文字ごとの構造化データを出力します。

文書エクスポート: 検索可能なPDF、HTML、または画像としてのエクスポートを可能にします。

テキストのハイライトと保存: 様々な粒度でテキストをハイライトし保存する機能を提供します。

言語とフレームワーク: C#、VB.NET、F#をサポートし、さまざまな.NETフレームワークと互換性があります。

オペレーティングシステム: Windows、macOS、Linux、Docker、Azure、AWSと互換性があります。

IDEサポート: Microsoft Visual StudioおよびJetBrains ReSharper & Riderで完全にサポートされています。

例

以下はIronOCRを使用して請求書からデータを抽出する例のコードスニペットです。

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

以下に示したのは、請求書画像から抽出された出力データです。

続くデータ分析により、この認識されたデータをCSVなどの形式に変換してより簡単に扱えるようにすることができます。