Microsoft OCRツール（C#での代替案）

OneNoteを使用してテキストを抽出する

OneNoteを使用して画像からテキストを抽出するには、次の手順を実行します。

1. OneNoteアプリケーションを起動します。

2. "挿入"オプションを使用して画像ファイルを挿入するか、画像ファイルをOneNoteウィンドウにドラッグ＆ドロップします。

   

   OneNote挿入リボン

3. 画像を右クリックし、メニューから"画像からテキストをコピー"を選択します。

   

   コンテキストメニューで画像からテキストをコピー

4. 最後に、コピーされたテキストを任意の場所に貼り付けて、スキャンされた画像からの抽出テキストにアクセスします。

   

   画像からコピーされたテキストからのテキストソース

これがOneNoteを使って画像をスキャンする方法です。

Microsoftビジョンスタジオを使用してテキストを抽出する

"画像からテキストを抽出"機能を使用するには、Microsoft AzureのVision Studioウェブサイトを訪れることができます。 ただし、このサービスにはAzureのサブスクリプションが必要です。 サブスクリプションを購入すると、スキャンされたドキュメントからの抽出テキストにアクセスできます。 以下は参考のためのサンプル出力画像です。

テキストのためにスキャンされた画像

A9T9を使用してテキストをコピーする

Microsoft StoreからA9T9ソフトウェアをダウンロードできます。 インストール後、A9T9ソフトウェアを開き、画像またはPDFファイルをアップロードします。

A9T9を使用してテキストをコピーする

画像またはドキュメントが読み込まれたら、"OCR開始"ボタンをクリックします。 これにより、スキャンされたドキュメントまたは画像からテキストが抽出され、右側のテキストエリアに表示されます。

テキストは右側に表示されます

OCR言語を選択して、テキストをコピーするか、Wordドキュメントとして保存できます。

IronOCRを使用してテキストを抽出する

PDFファイルからのテキスト抽出が簡単で、特定のページ番号を指定したり、ドキュメントのすべてのページからテキストを抽出することが可能です。 適切なツールを用いることで、プロセスを効率化し、より効率的にすることができます。

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

using (var ocrInput = new OcrInput())
{
    // Add the entire PDF for OCR processing
    ocrInput.AddPdf("example.pdf");

    // Alternatively, OCR selected page numbers from a password-protected PDF
    ocrInput.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    // Perform OCR and get the result
    var ocrResult = ocrTesseract.Read(ocrInput);

    // Output the extracted text
    Console.WriteLine(ocrResult.Text);
}

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

using (var ocrInput = new OcrInput())
{
    // Add the entire PDF for OCR processing
    ocrInput.AddPdf("example.pdf");

    // Alternatively, OCR selected page numbers from a password-protected PDF
    ocrInput.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    // Perform OCR and get the result
    var ocrResult = ocrTesseract.Read(ocrInput);

    // Output the extracted text
    Console.WriteLine(ocrResult.Text);
}

こちらが出力結果です。

Visual Studioデバッグコンソール内部の出力

PDFファイルからのテキスト抽出に加えて、バーコードも簡単に読み取ることができます。 ライブラリは、バーコードを読み取るためのシンプルなコード実装を提供し、さまざまなドキュメントベースのワークフローにおいて多用途なツールとなります。 以下のコードを参照してください。

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();
ocrTesseract.Configuration.ReadBarCodes = true;

// Read barcodes from an image file
using (var ocrInput = new OcrInput(@"images\imageWithBarcode.png"))
{
    var ocrResult = ocrTesseract.Read(ocrInput);

    // Iterate through the detected barcodes and print their values
    foreach (var barcode in ocrResult.Barcodes)
    {
        Console.WriteLine(barcode.Value);
    }
}

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();
ocrTesseract.Configuration.ReadBarCodes = true;

// Read barcodes from an image file
using (var ocrInput = new OcrInput(@"images\imageWithBarcode.png"))
{
    var ocrResult = ocrTesseract.Read(ocrInput);

    // Iterate through the detected barcodes and print their values
    foreach (var barcode in ocrResult.Barcodes)
    {
        Console.WriteLine(barcode.Value);
    }
}

コードの入力/出力

IronOCRは、処理前に低解像度やノイズのある画像を強化することをサポートしています。

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

// Process a noisy image by deskewing and denoising it
using (var ocrInput = new OcrInput(@"images\image.png"))
{
    ocrInput.Deskew(); // Corrects for skewness in the image
    ocrInput.DeNoise(); // Reduces visual noise for better recognition

    // Perform OCR and print the text
    var ocrResult = ocrTesseract.Read(ocrInput);
    Console.WriteLine(ocrResult.Text);
}

using IronOcr;
using System;

var ocrTesseract = new IronTesseract();

// Process a noisy image by deskewing and denoising it
using (var ocrInput = new OcrInput(@"images\image.png"))
{
    ocrInput.Deskew(); // Corrects for skewness in the image
    ocrInput.DeNoise(); // Reduces visual noise for better recognition

    // Perform OCR and print the text
    var ocrResult = ocrTesseract.Read(ocrInput);
    Console.WriteLine(ocrResult.Text);
}