OCRツール

Android OCR ライブラリ一覧：適切なツールを見つける

公開済み 2024年6月6日

共有:

Androidアプリ開発のダイナミックな環境において、光学文字認識 (Optical Character Recognition) の統合(OCR (光学式文字認識))機能はますます重要になってきました。 Android OCRライブラリは、開発者がアプリケーション内で画像をキャプチャし、画像を処理してテキストを取得する能力を提供し、ユーザーエクスペリエンスを向上させるためのさまざまな可能性を開きます。

この記事では、Android OCRライブラリの概要、それぞれの機能、およびモバイルアプリ開発をどのように変革できるかについてご紹介します。

Android OCRライブラリの理解

AndroidのOCRライブラリは、Androidデバイスで撮影された画像からテキストを認識および抽出するために設計された専門ツールです。高度な機械学習アルゴリズムとコンピュータービジョン技術を活用して、これらのライブラリは画像を分析し、テキスト要素を識別して編集可能で検索可能なテキストに変換します。 OCR機能を組み込むことで、開発者はドキュメントのスキャン、テキストの翻訳、画像からの情報抽出などのタスクを実行できるアプリケーションを作成することができます。

Android OCRライブラリの主な機能

精度と言語サポート：主要なAndroid OCRライブラリは、さまざまな言語とフォントにわたるテキスト認識において高い精度を提供します。彼らは高度なアルゴリズムを使用して画像からテキストを正確に識別および抽出し、多様な言語環境で信頼できる結果を保証します。
リアルタイム処理: 一部のAndroid OCRライブラリはリアルタイム処理をサポートしており、アプリケーションがライブカメラフィード上でテキスト認識を実行できるようにします。この機能は、デバイスのカメラでキャプチャされたテキストの即時分析が必要なアプリケーションにとって非常に価値があります。例えば、翻訳アプリや拡張現実体験などです。
統合の容易さ: Android OCRライブラリは、Androidアプリケーションとシームレスに統合するように設計されています。彼らは開発者にSDKとAPIを提供し、統合プロセスを簡素化し、モバイルアプリにOCR機能を迅速かつ効率的に組み込むことを可能にしています。
カスタマイズオプション：Android OCRライブラリは、特定の使用例に合わせてテキスト認識パラメーターを調整するためのカスタマイズオプションを提供します。開発者は、OCRのパフォーマンスと精度を最適化するために、画像の前処理、テキストのセグメンテーション、言語モデルなどの設定を調整できます。

Android OCR ライブラリ

Android開発向けに利用できるOCRライブラリは多数あり、それぞれ独自の機能、能力、およびライセンスモデルを備えています。最も人気のあるもののいくつかを見てみましょう:

1. テッセラクトOCR

テッセラクトOCR「Tesseract」は、Googleによって開発され、100以上の言語をサポートする、最も広く使用されているオープンソースのOCRエンジンの一つです。 Tesseract OCRをAndroidアプリに統合するには、通常「tess-two」のようなラッパーライブラリを使用してプロセスを簡素化します。強力なテキスト認識機能を備えたTesseract OCRは、開発者が単一の画像から効率的にテキストを抽出することを可能にします。

Tesseractの多用途性は、言語サポートを超えたところにまで及びます。それはまた、展開オプションにおいて柔軟性を提供します。開発者は、アプリケーションの要件に応じて、デバイス上でローカルにTesseractデータを使用するか、クラウドベースのサービスを活用するかの選択が可能です。この柔軟性により、Tesseract OCR はモバイルアプリでのオフラインテキスト認識からクラウドベースのソリューションでの大規模なテキスト抽出まで、幅広いユースケースに適しています。

2. GoogleモバイルビジョンAPI

Google Playサービスの一部として、Mobile Vision APIはデバイス上でのテキスト認識機能を提供します。それは画像からテキストを検出して抽出するためのシンプルなインターフェースを提供し、ドキュメントスキャンや翻訳などのリアルタイムアプリケーションに適しています。シームレスな統合により、Mobile Vision APIは開発者が画像を処理し、テキストを正確に認識する能力を提供します。

しかし、これは現在非推奨となっているため、開発者は最高のパフォーマンス、最新の機能、安定性を得るためにML Kit SDKへの移行を求められています。それについては以下でさらに詳しく説明します。

3. Microsoft Azure コンピュータビジョン

Azure コンピュータービジョン APIは、テキスト認識を含む様々な画像分析タスクをサポートするクラウドベースのOCRサービスを提供しています。処理にはインターネット接続が必要ですが、高精度で複数の言語をサポートしています。 Azure Computer Vision を利用することで、開発者は画像から非常に高精度でテキストを抽出することができます。

これに加えて、Azure Computer Vision APIは、画像タグ付け、物体検出、画像モデレーションなど、幅広いコンピュータビジョン機能を提供しています。この汎用性により、開発者は単純なOCR機能を超えた高度なアプリケーションを構築することができます。 Azure Computer Visionの力を活用することで、開発者は高度な単一画像解析技術を駆使した革新的なソリューションを作成できます。

4. ABBYYモバイルWebキャプチャー

ABBYYモバイルウェブキャプチャウェブベースのアプリケーションにドキュメントキャプチャ機能をシームレスに組み込むことで、モバイルオンボーディングプロセスを革命的に変革します。 JavaScriptベースのSDKを活用したこの革新的なソリューションは、ユーザーがウェブページ内で直接モバイルデバイスのカメラを使用して文書の画像を簡単にキャプチャできるようにします。 ABBYY Mobile Web Captureを使用すると、手動でのクリックや調整は不要です。顧客はデバイスのカメラをドキュメントに向けるだけで、SDKが最適な品質の画像を処理し、ビジネスに使用できるデータに変換します。

このスムーズなプロセスは、書類提出を簡易化することで顧客体験を向上させるだけでなく、初期段階での放棄率を減少させることにより、オンボーディングのプロセスを加速させます。さらに、ABBYY Mobile Web Captureはカスタム開発の必要を排除し、既存のアプリケーションとシームレスに統合する事前構築された包括的なウェブベースのキャプチャソリューションを提供します。ドキュメントのキャプチャを自動化し、データの精度を向上させることで、組織は業務を効率化し、効率を改善し、顧客にシームレスなオンボーディング体験を提供できます。

５．ML Kit

Googleによって開発されたMLキットは、デバイス上でのテキスト認識機能を提供し、AndroidアプリへのOCR機能の統合を簡素化します。ML Kitを使用することで、開発者は高度な機械学習の専門知識を必要とせずに単一の画像からテキストを認識できます。Firebase向けML Kitを活用することで、開発者はアプリケーション内のテキストベースのコンテンツとの新しいインタラクションの可能性を解き放つことができます。

ML Kitの際立った特徴は、デバイス上での処理を重視している点にあります。これにより、アプリケーションはユーザーのデバイス上で直接複雑な機械学習タスクを実行できます。このアプローチは、迅速で応答性の高いパフォーマンスを実現するだけでなく、機密データをローカルに保持することでユーザーのプライバシーを尊重します。 ML Kit の直感的な API と包括的なドキュメントを活用することで、開発者は強力な機械学習機能を迅速に Android アプリに実装することができ、ユーザーエンゲージメントと機能性を向上させながらシームレスなユーザーエクスペリエンスを維持することができます。

それでは、Android開発向けに特化した高度なOCR機能を提供する革新的なTesseract4Androidライブラリを探ってみましょう。

Tesseract4Androidの紹介

Tesseract4Android (Tesseract4Android, Tesseract for Android)人気のあるtess-twoライブラリをフォークしたもので、CMakeや最新バージョンのAndroid Studioなどの最新の開発環境とシームレスに統合するために、ゼロから精密に書き直されました。このライブラリは、その精度と広範な言語サポートで知られる、有名な Google Tesseract OCR エンジンの機能を活用しています。 JavaとJNIラッパーを活用することで、Tesseract4Androidは開発者に洗練されたテキスト認識機能をAndroidアプリケーションに組み込むための簡単なインターフェースを提供します。

開発者向けAndroid OCRライブラリ（リスト）: 図１ - Tesseract4Android

主な特徴および依存関係

Tesseract4Androidは、堅牢な依存関係に基づいて構築されており、最適なパフォーマンスと信頼性を確保しています。主な機能と依存関係には以下が含まれます：

Tesseract OCR 5.3.4: 最新のOCR技術を活用して、Tesseract4Androidは最先端のテキスト認識機能を提供します。
Leptonica 1.83.1: この重要なライブラリは画像処理機能を提供し、入力画像を最適化することでテキスト認識の精度を向上させます。
libjpeg v9e および libpng 1.6.40: これらのライブラリは、OCRアプリケーションにおける前処理タスクに必須の効率的な画像処理と操作を可能にします。

Tesseract4Androidの始め方

Tesseract4AndroidをAndroidアプリケーションに統合することは簡単なプロセスです。以下の手順に従って、OCRの利用を開始しましょう:

JitPackリポジトリを追加する: Tesseract4Androidライブラリをプロジェクトに組み込むには、プロジェクトのルートbuild.gradleファイルにJitPackリポジトリを追加してください。

allprojects {
        repositories {
            ...
            maven { url 'https://jitpack.io' }
        }
    }

allprojects {
        repositories {
            ...
            maven { url 'https://jitpack.io' }
        }
    }

allprojects
If True Then
		repositories
		If True Then
			'...
			maven
			If True Then
'INSTANT VB TODO TASK: The following line uses invalid syntax:
'				url 'https: } }

VB C#

依存関係を含める: パフォーマンス要件に基づいて、標準バリアントとOpenMPバリアントのどちらかを選択し、アプリモジュールのbuild.gradleファイルにTesseract4Androidの依存関係を指定してください。

dependencies {
        // Standard variant
        implementation 'cz.adaptech.tesseract4android:tesseract4android:4.7.0'
        // OpenMP variant
        implementation 'cz.adaptech.tesseract4android:tesseract4android-openmp:4.7.0'
    }

dependencies {
        // Standard variant
        implementation 'cz.adaptech.tesseract4android:tesseract4android:4.7.0'
        // OpenMP variant
        implementation 'cz.adaptech.tesseract4android:tesseract4android-openmp:4.7.0'
    }

IRON VB CONVERTER ERROR developers@ironsoftware.com

VB C#

TessBaseAPIを活用する：TessBaseAPIクラスをコード内で活用して、テキスト認識プロセスを開始します。目的の言語ファイルと画像入力でAPIを設定し、認識されたテキストを効率的に取得します。

Android用Tesseractを使用したサンプルコード

以下は、Tesseractを使用してAndroidで画像にOCRを実行する方法を示す基本的な例です:

import com.googlecode.tesseract.android.TessBaseAPI;
import android.graphics.Bitmap;
public class OCRManager {
    private TessBaseAPI tessBaseAPI;
    public OCRManager(String dataPath, String language) {
        tessBaseAPI = new TessBaseAPI();
        tessBaseAPI.init(dataPath, language);
    }
    public String recognizeText(Bitmap bitmap) {
        tessBaseAPI.setImage(bitmap);
        return tessBaseAPI.getUTF8Text();
    }
    public void onDestroy() {
        if (tessBaseAPI != null) {
            tessBaseAPI.end();
        }
    }
}

import com.googlecode.tesseract.android.TessBaseAPI;
import android.graphics.Bitmap;
public class OCRManager {
    private TessBaseAPI tessBaseAPI;
    public OCRManager(String dataPath, String language) {
        tessBaseAPI = new TessBaseAPI();
        tessBaseAPI.init(dataPath, language);
    }
    public String recognizeText(Bitmap bitmap) {
        tessBaseAPI.setImage(bitmap);
        return tessBaseAPI.getUTF8Text();
    }
    public void onDestroy() {
        if (tessBaseAPI != null) {
            tessBaseAPI.end();
        }
    }
}

Private com As import
Private android As import
Public Class OCRManager
	Private tessBaseAPI As TessBaseAPI
	Public Sub New(ByVal dataPath As String, ByVal language As String)
		tessBaseAPI = New TessBaseAPI()
		tessBaseAPI.init(dataPath, language)
	End Sub
	Public Function recognizeText(ByVal bitmap As Bitmap) As String
		tessBaseAPI.setImage(bitmap)
		Return tessBaseAPI.getUTF8Text()
	End Function
	Public Sub onDestroy()
		If tessBaseAPI IsNot Nothing Then
			tessBaseAPI.end()
		End If
	End Sub
End Class

VB C#

IronOCRの紹介：.NETテキスト認識の向上

IronOCRは、信頼性が高く効率的なOCRソリューションを求める.NET開発者にとって最適な選択肢として浮上します。その比類のない精度、多言語対応、そして統合の容易さにより、IronOCRは開発者が.NETアプリケーションで新たなテキスト認識の可能性を解き放つことを可能にします。スキャンしたドキュメントの処理、画像からの情報抽出、データ入力タスクの自動化を問わず、IronOCRは生産性を向上させ、イノベーションを推進するために必要なツールと機能を提供します。

Android OCRライブラリ（開発者向けリスト）：図2 - IronOCR

IronOCRの主な機能

精度と信頼性: IronOCRはテキスト認識において卓越した精度を提供し、広範な画像やテキストタイプに対して信頼性の高い結果を保証します。その高度なアルゴリズムは、低解像度や斜めの視点などの困難な条件下でも、画像からテキストを正確に識別して抽出するように訓練されています。
言語とフォントのサポート: IronOCRは多数の言語とフォントに対応しており、グローバルなオーディエンスをターゲットとするアプリケーションに適しています。ラテン系言語、アジアの文字、またはキリル文字の処理においても、IronOCRは多様な言語環境に対する強力なサポートを提供します。
汎用性と柔軟性: IronOCRは汎用性と柔軟性を提供し、開発者がさまざまな種類の.NETアプリケーションにOCR機能を統合することを可能にします。デスクトップソフトウェア、ウェブアプリケーション、またはクラウドベースのソリューションにかかわらず、IronOCRは.NETエコシステムとシームレスに統合され、開発者がさまざまなプラットフォームや環境でその機能を活用できるようにします。
統合の容易さ: IronOCRを.NETアプリケーションに統合するのは、直感的なAPIと詳細なドキュメントのおかげで非常に簡単です。 .NET Coreや.NET Frameworkなどの.NETフレームワークを全面的にサポートしており、開発者はIronOCRをプロジェクトに素早く組み込むことができ、最小限の労力で画像からテキストを抽出し始めることができます。

IronOCR for .NET のインストール

.NETプロジェクトにIronOCRを統合するには、以下の手順に従ってください:

NuGetパッケージマネージャーまたはパッケージマネージャーコンソールを通してIronOCR NuGetパッケージをインストールしてください。

Install-Package IronOcr

Install-Package IronOcr

'INSTANT VB TODO TASK: The following line uses invalid syntax:
'Install-Package IronOcr

VB C#

申し訳ありませんが、翻訳するコンテンツのテキストを提供してください。その後、英語から日本語に翻訳いたします。!-- -->

または、ソリューションのためにNuGetパッケージマネージャーを使用してダウンロードします。 IronOCR を検索してインストールします。

IronOCRを.NETアプリケーションで使用を開始するには、IronOCRのネームスペースをインポートし、そのAPIを使用してOCRタスクを実行します。

.NET用IronOCRを使用したサンプルコード

以下は、.NETアプリケーションでIronOCRを使用して画像にOCRを実行する方法を示す基本的な例です:

using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        string imageText = new IronTesseract().Read(@"images\image.png").Text;
    Console.WriteLine("Recognized Text:");
        Console.WriteLine(imageText);
    }
}

using IronOcr;
class Program
{
    static void Main(string[] args)
    {
        string imageText = new IronTesseract().Read(@"images\image.png").Text;
    Console.WriteLine("Recognized Text:");
        Console.WriteLine(imageText);
    }
}

Imports IronOcr
Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim imageText As String = (New IronTesseract()).Read("images\image.png").Text
	Console.WriteLine("Recognized Text:")
		Console.WriteLine(imageText)
	End Sub
End Class

VB C#

.NET MAUIアプリケーションにOCRを実装するための包括的なガイドとして、このチュートリアルをチェックしてください。なお、このアプリケーションはAndroidでも実行できます。NET MAUI OCRチュートリアル.

入力画像

Android OCRライブラリ（開発者用リスト）：図4 - トレーニングデータ入力

出力

Android OCRライブラリ (開発者向けリスト)：図5 - OCR出力

詳細な情報やさらに多くのOCR機能については、次のウェブサイトをご覧ください。ドキュメント以下のコンテンツを日本語に翻訳してください：コード例ページ

結論

Android OCRライブラリは、Tesseractデータなどの複数の言語用のトレーニングデータを活用して、単一の画像からテキストを抽出します。これらのライブラリは、人工知能を核とし、Tesseract for Androidのように、テキストを正確に認識するために開発者を支援します。統合には、シェアメニューのような機能が含まれることが多く、さまざまなアプリケーションと言語にわたるシームレスなユーザー体験を提供します。

.NETエコシステムにおいて、IronOCRはその高度な機能、シームレスな統合、そして比類のない精度で際立っています。 IronOCRを使用すると、.NET開発者は画像からテキストを簡単に抽出でき、ユーザーエクスペリエンスの向上、ワークフローの自動化、そしてさまざまな業界でのデジタルトランスフォーメーションの推進の機会を得ることができます。

IronOCRを使用すると、.NETアプリケーションでのテキスト認識の可能性は無限であり、開発者に можете多くの選択肢を提供します。無料体験テキスト認識と分析の限界を押し広げるために必要なツールと機能をテストするために。

ライトです。ライセンス開始価格は$749で、継続料金は発生しません。ライブラリを以下からダウンロード[以下の内容を日本語に翻訳します：

ここに

ご希望のイディオムや技術用語が追加されることによって、より適切な翻訳が提供できる場合もありますので、詳細なコンテキストを教えていただけると幸いです。](/csharp/ocr)そしてお試しください。

< 以前
レシートOCRライブラリ（開発者向けリスト）

次へ >
最高の光学式文字認識ソフトウェア