IronOCRを使用してC#でスキャンしたドキュメントを読み取る
IronOCRはC#の開発者がOCR技術を使ってスキャンしたPDFや画像からテキストを抽出し、検索不可能な画像ベースのドキュメントをわずか数行のコードで検索可能でアクセス可能なコンテンツに変換することを可能にします。
多くの PDF には、検索できない画像ベースのテキストが含まれています。 IronOCRはこれを検索可能なコンテンツに変換することで、特定の情報を見つけやすくし、特に視覚障害者のために文書のアクセシビリティを向上させます。
テキストや画像を手動でコピーまたは再作成する代わりに、自動抽出によって正確性と効率性が確保されます。 これは、PDFの特定の部分を再利用することが一般的な研究、法律文書、コンテンツ作成に特に役立ちます。
企業はPDFから重要なデータを抽出して分析やシステム統合に利用でき、ワークフローを簡素化できます。 デザイナーやマーケティング担当者は、さまざまなプロジェクトで強化および再利用するために画像を抽出することもできます。
このチュートリアルでは、OcrPdfInputメソッドを探り、利用可能なオプションやパラメーターを扱って、IronOCRが多様なアプリケーション向けにPDFのテキストや画像抽出を容易にする方法を紹介します。
この機能を使用するには、IronOcr.Extensions.AdvancedScanパッケージもインストールする必要があります。
数秒で開始 - 1行のコードで、スキャンされたPDFや画像をIronOCRのOcrInput.LoadPdfやLoadImageを使ってロードし、ReadDocumentを通じて瞬時にテキストを抽出します。 OCR をすぐに起動して実行したい開発者に最適です。
-
1IronOCR を NuGet Package Manager でインストールします
-
2このコード スニペットをコピーして実行します。
var input = new IronOcr.OcrInput(); input.LoadPdf("scanned.pdf"); var text = new IronOcr.IronTesseract().ReadDocument(input).Text;Dim input = New IronOcr.OcrInput() input.LoadPdf("scanned.pdf") Dim text = New IronOcr.IronTesseract().ReadDocument(input).TextDim input = New IronOcr.OcrInput() input.LoadPdf("scanned.pdf") Dim text = New IronOcr.IronTesseract().ReadDocument(input).Text -
3実際の環境でテストするためにデプロイする
今日からご自身のプロジェクトでIronOCRを使い始めるには、無料トライアルをお試しください。
最小限のワークフロー(5ステップ)
- スキャンしたドキュメントを読み取るためのC#ライブラリをダウンロード
- 処理のためにスキャンされたドキュメントをインポート
- 画像の場合は
LoadImageメソッド、スキャンしたPDFの場合はLoadPdfを使用します。 ReadDocumentメソッドを使用してテキストを抽出する- 抽出されたテキストを必要に応じて保存またはエクスポートして、さらなる利用に役立てる
スキャンしたドキュメントからテキストを抽出するにはどうすれば良いですか?
ドキュメント内のすべての画像からテキストを抽出するには、ReadDocumentメソッドを使用します。 このメソッドはドキュメントを処理し、抽出されたテキストを含むオブジェクトを返し、Textプロパティを通じてアクセスできます。 以下の例は、サンプルTIFFファイルを用いたこのメソッドの使用方法を示しています。
IronOCRは様々な文書フォーマットのスキャンに対応しています。 画像の場合、JPG, PNG, GIF, TIFF, BMP形式に対応しており、PDFサポートには単一ページおよび複数ページのドキュメントが含まれます。 このライブラリはすべてのサポートされている形式で高精度を確保するために先進のTesseract 5技術を使用しています。
入力ドキュメントの見た目はどのようになっていますか?

OCRコードをどのように実装するか?
using IronOcr;
using System;
// Instantiate OCR engine
var ocr = new IronTesseract();
// Configure OCR engine
using var input = new OcrInput();
input.LoadImage("potter.tiff");
// Perform OCR
OcrResult result = ocr.ReadDocument(input);
Console.WriteLine(result.Text);using IronOcr;
using System;
// Instantiate OCR engine
var ocr = new IronTesseract();
// Configure OCR engine
using var input = new OcrInput();
input.LoadImage("potter.tiff");
// Perform OCR
OcrResult result = ocr.ReadDocument(input);
Console.WriteLine(result.Text);Imports IronOcr
Imports System
' Instantiate OCR engine
Dim ocr As New IronTesseract()
' Configure OCR engine
Using input As New OcrInput()
input.LoadImage("potter.tiff")
' Perform OCR
Dim result As OcrResult = ocr.ReadDocument(input)
Console.WriteLine(result.Text)
End UsingImports IronOcr
Imports System
' Instantiate OCR engine
Dim ocr As New IronTesseract()
' Configure OCR engine
Using input As New OcrInput()
input.LoadImage("potter.tiff")
' Perform OCR
Dim result As OcrResult = ocr.ReadDocument(input)
Console.WriteLine(result.Text)
End UsingOCR処理から期待できる結果はどのようなものですか?

代わりにPDFファイルにOCRを実行する必要がある場合は、単にLoadImageメソッドをLoadPdfに置き換えてください。 これにより、IronOCR はスキャンされた PDF から同じ方法でテキストを処理および抽出できるようになります。
高度なドキュメント処理オプション
スキャンした文書を扱う場合、OCRプロセスをより詳細に制御する必要があります。 IronOCRはテキスト抽出の結果を向上させるいくつかの高度な機能を提供します。
複数ページのドキュメント処理
IronOCRは複数ページのドキュメントを効率的にバッチ処理します:
using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load a multi-page PDF
input.LoadPdf("multi-page-document.pdf");
// Process all pages
OcrResult result = ocr.ReadDocument(input);
// Access individual page results
foreach (var page in result.Pages)
{
Console.WriteLine($"Page {page.PageNumber}: {page.WordCount} words");
}using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load a multi-page PDF
input.LoadPdf("multi-page-document.pdf");
// Process all pages
OcrResult result = ocr.ReadDocument(input);
// Access individual page results
foreach (var page in result.Pages)
{
Console.WriteLine($"Page {page.PageNumber}: {page.WordCount} words");
}Imports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load a multi-page PDF
input.LoadPdf("multi-page-document.pdf")
' Process all pages
Dim result As OcrResult = ocr.ReadDocument(input)
' Access individual page results
For Each page In result.Pages
Console.WriteLine($"Page {page.PageNumber}: {page.WordCount} words")
Next
End UsingImports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load a multi-page PDF
input.LoadPdf("multi-page-document.pdf")
' Process all pages
Dim result As OcrResult = ocr.ReadDocument(input)
' Access individual page results
For Each page In result.Pages
Console.WriteLine($"Page {page.PageNumber}: {page.WordCount} words")
Next
End UsingOCRパフォーマンスの最適化
スキャン文書の品質は、OCRの精度に直接影響します。 IronOCRには、テキスト認識を向上させるための組み込みの画像最適化フィルターが含まれています。
using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load and enhance image quality
input.LoadImage("low-quality-scan.jpg");
input.Deskew(); // Correct image skew
input.DeNoise(); // Remove background noise
input.Binarize(); // Convert to black and white
OcrResult result = ocr.ReadDocument(input);using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load and enhance image quality
input.LoadImage("low-quality-scan.jpg");
input.Deskew(); // Correct image skew
input.DeNoise(); // Remove background noise
input.Binarize(); // Convert to black and white
OcrResult result = ocr.ReadDocument(input);Imports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load and enhance image quality
input.LoadImage("low-quality-scan.jpg")
input.Deskew() ' Correct image skew
input.DeNoise() ' Remove background noise
input.Binarize() ' Convert to black and white
Dim result As OcrResult = ocr.ReadDocument(input)
End UsingImports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load and enhance image quality
input.LoadImage("low-quality-scan.jpg")
input.Deskew() ' Correct image skew
input.DeNoise() ' Remove background noise
input.Binarize() ' Convert to black and white
Dim result As OcrResult = ocr.ReadDocument(input)
End Using検索可能なPDFの作成
スキャンしたドキュメントを処理する際の最も価値のある機能の1つは、検索可能なPDFを作成する能力です。 これは、テキストレイヤーを追加しながら、元の文書の外観を維持します:
using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadPdf("scanned-document.pdf");
// Process and save as searchable PDF
OcrResult result = ocr.ReadDocument(input);
result.SaveAsSearchablePdf("searchable-output.pdf");using IronOcr;
var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadPdf("scanned-document.pdf");
// Process and save as searchable PDF
OcrResult result = ocr.ReadDocument(input);
result.SaveAsSearchablePdf("searchable-output.pdf");Imports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
input.LoadPdf("scanned-document.pdf")
' Process and save as searchable PDF
Dim result As OcrResult = ocr.ReadDocument(input)
result.SaveAsSearchablePdf("searchable-output.pdf")
End UsingImports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
input.LoadPdf("scanned-document.pdf")
' Process and save as searchable PDF
Dim result As OcrResult = ocr.ReadDocument(input)
result.SaveAsSearchablePdf("searchable-output.pdf")
End Usingさまざまなドキュメントタイプでの作業
IronOCRはビジネス環境でよく遭遇する様々なドキュメントタイプの処理を得意としています。 請求書、契約書、過去の文書など、さまざまなソースからデータを抽出するための専門的な機能を提供します。
レガシー ドキュメントの処理
多くの組織には、古いフォーマットのスキャン文書のアーカイブがあります。 IronOCRはこれらを効率的に処理し、ドキュメント管理システムで一般的に使用される複数ページのTIFFファイルのサポートも備えています。
言語サポート
この例は英語のテキストに焦点を当てていますが、IronOCRは125以上の国際言語をサポートしています。 そのため、多言語文書や英語以外の言語の文書の処理に最適です。
ドキュメントスキャンのベストプラクティス
スキャン文書を処理する際に最適な結果を得ること:
- スキャン品質: 最良の結果を得るために最低300DPIの解像度を使用します
- ファイル形式: TIFFおよびPNG形式は、テキストドキュメントではJPEGよりも品質を保ちます
- 前処理: ドキュメントの状態に応じて適切なフィルターを適用します
- パフォーマンス: 大量バッチの場合、マルチスレッド機能の使用を検討してください
一般的な問題のトラブルシューティング
スキャンした文書を扱う場合、さまざまな課題に遭遇する可能性があります。 よくある問題の解決策をご紹介します:
- 品質の低いスキャン: OCR処理の前に、強化フィルターを適用します
- 傾いたドキュメント: 配向を修正するために
Deskew()メソッドを使用します - 混合コンテンツ: ドキュメントにテキストと非テキスト要素の両方が含まれる場合は、特定の領域を処理します
詳細なガイダンスについては、包括的なC# OCRチュートリアルを探すか、簡単なOCRの例をチェックしてすぐに始めてみてください。
次のステップ
スキャンしたドキュメントからテキストを抽出する方法を理解した今、任意のPDFを検索可能にする機能や、Webアプリケーション向けのPDFストリームの処理など、高度な機能を探求することができます。 IronOCRの柔軟性は、単純な文書の電子化から複雑なエンタープライズ文書処理ワークフローまで、あらゆる用途に適しています。
よくある質問
IronOCRを使用してスキャンされたPDFからテキストを抽出するにはどうすればよいですか?
IronOCRを使用すると、OcrInput.LoadPdfなどのメソッドを使用してスキャンしたPDFをロードし、ReadDocument()メソッドを呼び出すことでテキストを抽出できます。これにより、検索不可のPDFをテキストとして読み取り可能な形式に変換できます。
IronOCRはどの画像形式を処理できますか?
IronOCRはJPG、PNG、GIF、TIFF、BMPなどのさまざまな画像形式をサポートしており、幅広いドキュメントタイプからのテキスト抽出を可能にします。
IronOCRで`ReadDocument`メソッドはどのように使用されますか?
ReadDocumentメソッドは、ロードされたドキュメントを処理し、その中のすべての画像からテキストを抽出し、結果オブジェクトのTextプロパティを通じてそのテキストにアクセス可能にします。
IronOCRは複数ページの文書を処理できますか?
はい、IronOCRはLoadPdfメソッドを使用してPDFのような複数ページのドキュメントを効率的に処理し、各ページからテキストを抽出できます。
OCRの結果を改善するためにスキャン画像の品質を向上させるにはどうすれば良いですか?
IronOCRには、画像の傾き補正、背景ノイズの除去、画像の白黒変換などの画像最適化フィルタDeskew、DeNoise、Binarizeが含まれており、OCRの精度を向上させます。
IronOCRは異なる言語のドキュメントからのテキスト抽出をサポートしていますか?
IronOCRは125以上の言語をサポートしており、多言語または非英語のドキュメントを効率的に処理することができます。
IronOCRは検索可能なPDFを作成するために何を提供しますか?
IronOCRを使用すると、スキャンされたドキュメントを処理し、テキストレイヤーを保ったままで保存することで検索可能なPDFに変換でき、検索機能を追加しながら元の外観を維持します。
IronOCRで高度なOCR機能を利用するために必要なパッケージは何ですか?
IronOCRで高度なOCR機能にアクセスするには、ドキュメント処理のための追加機能を提供するIronOcr.Extensions.AdvancedScanパッケージをインストールする必要があります。
OCR処理のためにドキュメントをスキャンする際のベストプラクティスは何ですか?
最適なOCR結果を得るためには、最低300 DPIの解像度を使用し、TIFFまたはPNG形式でドキュメントを保存し、必要に応じて前処理フィルタを適用し、大量処理にはマルチスレッドを利用してください。
IronOCRは質の悪いスキャンをどのように処理しますか?
IronOCRは、DeNoiseフィルタで画像をきれいにし、Deskewで方向の問題を修正した後に処理することで、質の悪いスキャンのOCR結果を改善することができます。
Curtis Chauは、カールトン大学でコンピュータサイエンスの学士号を取得し、Node.js、TypeScript、JavaScript、およびReactに精通したフロントエンド開発を専門としています。直感的で美しいユーザーインターフェースを作成することに情熱を持ち、Curtisは現代のフレームワークを用いた開発や、構造の良い視覚的に魅力的なマニュアルの作成を楽しんでいます。