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: C#プロジェクトにTesseract OCRを統合するには、Tesseract .NET SDKまたはラッパーを使用します。 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のテキストの認識と抽出に優れています。 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以上の言語をサポートしており、多様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柔軟性があります。

カスタマイズとトレーニング: Tesseractは、開発者がエンジンに新しいフォントや言語をトレーニングすることを可能にし、特定のビジネスニーズや文書タイプに対応するカスタマイズしたOCRソリューションを提供します。

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を含む.NETをサポートする任意のプラットフォームで機能します。

多言語サポート: C#のほか、VB.NET、C++、IronPythonを含む複数の言語でEmgu CVを利用でき、詳細な例と充実したドキュメントサポートを提供します。

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念頭に設計されており、初心者でも簡単に操作できます。

多言語サポート: 英語、オランダ語、日本語、韓国語など様々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可能で、多くの文書からデータを抽出する際の時間を節約します。

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);
}

' Create an instance of IronTesseract
Dim tesseract = New IronTesseract()

' Create an OcrInput object
Using input = New OcrInput("sample_invoice.png") ' Pass the image path directly to constructor
	' Read and store OcrResults object
	Dim result = tesseract.Read(input)

	' Get all text from the OCR result
	Dim allText As String = result.Text

	' Print the extracted text to the console
	Console.WriteLine(allText)
End Using

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。