OCR C# 오픈 소스 (개발자용 목록)

Tesseract

가장 유명한 오픈 소스 OCR 엔진은 Tesseract라고 불리며, 처음에는 Hewlett-Packard에 의해 만들어졌습니다. 2006년 이후로 Google이 Apache 라이선스 하에 배포되는 이 무료 소프트웨어 프로젝트를 지원하고 있습니다.

가장 정확한 오픈 소스 및 무료 시스템 중 하나는 Tesseract OCR 엔진입니다. Tesseract는 최신 안정 버전인 4.1.1에서 LSTM을 기반으로 하여 116개의 언어를 지원합니다.

자체 구축 인터페이스가 없기 때문에 명령 줄 인터페이스에서 실행할 때 별도의 GUI(그래픽 사용자 인터페이스)의 지원이 필요합니다. 신경망을 사용하여 새로운 정보를 학습할 수 있으며 고급 이미지 전처리 파이프라인을 가지고 있습니다. Tesseract .NET SDK는 .NET 애플리케이션에 OCR 기능을 추가할 수 있는 가장 효과적인 방법이며, 텍스트 인식 기능을 제공하는 최고의 솔루션 중 하나입니다. Tesseract는 현재 시장에서 의심할 여지 없이 최고의 OCR 라이브러리입니다.

GOCR

GPL(OS 라이센스)로 개발된 OCR(광학 문자 인식) 프로그램은 GOCR로 불립니다. 텍스트 파일을 다시 문서의 스캔된 이미지로 변환합니다. 프로그램을 시작하고 SF에서 개발 팀을 관리한 후, Joerg Schulenburg는 (매우) 낮은 시간 대로 오늘날 패키지를 계속 처리하고 있습니다.

GOCR는 여러 프론트 엔드에서 사용할 수 있기 때문에 다른 운영 체제, 네트워크 애플리케이션, 아키텍처로 포팅하는 것이 비교적 간단합니다. 다양한 그림 파일 형식을 읽을 수 있으며, 2010년까지 품질이 지속적으로 개선되었습니다.

GOCR에 따르면 높이 20-60 픽셀의 단일 열 산세리프 폰트를 처리할 수 있습니다. 라틴어 이외의 알파벳으로 작성된 텍스트, 세리프 폰트, 겹치는 문자, 다양한 글꼴, 노이즈가 있는 사진, 과도한 기울기 각도로 인해 발생하는 문제를 보고합니다. GOCR는 바코드 번역도 가능합니다.

CuneiForm

무료 오픈 소스 기술인 CuneiForm은 이제 Cognitive OpenOCR로도 알려져 있습니다. 내장형 출력 및 데이터베이스가 있습니다. 23개의 다른 언어를 다루며 텍스트 형식 스캔, 문서 레이아웃 분석 및 식별과 같은 작업도 수행합니다.

Cognitive Technologies는 OpenOCR 용 BSD 무료 및 BSD 라이센스를 개발했습니다. Cross-platform 사용을 지원하지만 Linux 사용자에게는 그래픽 인터페이스가 제공되지 않습니다.

Dot NET Framework 2.0 이상 애플리케이션에서 문자 인식 작업을 단순화하기 위해 래퍼 라이브러리 Puma Dot NET이 사용됩니다. 데이터 처리 중 사전 점검을 실행하여 인식 품질을 향상시킵니다.

CuneiForm은 전자 사본의 종이 문서와 이미지 파일을 구조나 원본 문서 글꼴에 영향을 미치지 않고 편집 가능한 형태로 자동 또는 반자동으로 변환하도록 설계된 기술입니다. 이 시스템은 전자 문서를 일괄 처리하거나 한 번에 하나씩 처리하기 위한 두 부분으로 구성됩니다. 또한, 이 시스템은 러시아어와 영어의 혼합을 지원합니다. 2009년 Andrei Borovsky에 의해 생성된 분기만이 다른 혼합 언어의 인식을 지원합니다. 다른 언어를 인식하도록 시스템을 교육하는 것은 어려운 작업입니다. 각 언어는 dat-파일과 연관되어 있으며, 그 구조와 생성 과정은 개발자들에 의해 공개되지 않았기 때문입니다.

Kraken

Kraken은 Ocropus의 문제점을 해결하기 위해 개발되었지만, 다른 기능에는 영향을 미치지 않습니다. 자체 CLSTM 신경망 라이브러리를 활용하며, 이전 프로젝트에서 얻은 귀중한 경험을 활용하고 새 데이터를 이용합니다. 다른 플랫폼에서 효과적으로 작동하기 위해 특정 외부 라이브러리의 사용을 요구합니다. 저장된 정보를 통해 잠재적인 데이터 검증 문제에 대한 더 정확한 예측을 할 수 있습니다. 또한, 그 작동 방법론은 새로운 모델의 쉬운 배포와 교육을 용이하게 합니다.

IronOCR

표준 Tesseract 라이브러리와 달리, IronOCR는 Tesseract를 확장하여 더 높은 정확도, 향상된 성능, 보강된 안정성을 제공하는 네이티브 C# OCR 라이브러리를 제공합니다. IronOCR는 .NET 프로그램과 웹사이트에서 PDF 및 이미지에서 텍스트를 추출하는 데 사용할 수 있습니다. 다양한 외국어를 지원하며 텍스트나 구조화된 데이터 출력을 생성할 수 있습니다. 바코드와 포함된 텍스트가 있는 이미지를 스캔할 수 있습니다. 이 라이브러리는 콘솔, 웹, MVC 및 데스크톱에서 개발된 .NET 응용 프로그램에서 사용할 수 있습니다. 개발 팀은 상용 배포를 위한 라이선스 과정에서 직접 지원을 제공합니다. IronOCR는 최신 Visual Studio 버전과 호환됩니다.

using IronOcr;

// Instantiate an IronTesseract object to utilize its OCR capabilities
var Ocr = new IronTesseract();

// Set the language to English for better accuracy
Ocr.Language = OcrLanguage.EnglishBest;

// Optionally specify the Tesseract version to ensure compatibility
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create an OcrInput object to add images for OCR processing
using (var Input = new OcrInput())
{
    // Add the image to be processed; specify the image's path
    Input.AddImage(@"Demo.png");

    // Perform the OCR and store the result
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Pause the console to keep it open
    Console.ReadKey();
}

using IronOcr;

// Instantiate an IronTesseract object to utilize its OCR capabilities
var Ocr = new IronTesseract();

// Set the language to English for better accuracy
Ocr.Language = OcrLanguage.EnglishBest;

// Optionally specify the Tesseract version to ensure compatibility
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create an OcrInput object to add images for OCR processing
using (var Input = new OcrInput())
{
    // Add the image to be processed; specify the image's path
    Input.AddImage(@"Demo.png");

    // Perform the OCR and store the result
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Pause the console to keep it open
    Console.ReadKey();
}

결론

OCR 오픈소스 도구를 통해 우리는 소스 코드를 사용하여 자체 프로그램을 구축할 수 있습니다. 그러나 일부 도구에는 코딩 문제 발생 시 지원을 제공할 공식 라이브러리 또는 전담 팀이 없습니다. Tesseract의 문서도 일반 사용 시나리오를 위한 샘플 코드 또는 튜토리얼이 부족하여 초보자가 코드와 라이브러리를 이해하기 어렵게 만듭니다.

IronOCR는 .NET Framework Standard 2, .NET Framework 4.5, .NET Core 2, 3, 5 등 다양한 .NET 프로젝트를 지원하며 Mono, Xamarin, Azure와 같은 최신 기술과도 호환됩니다. IronOCR 기술을 활용하여 우리는 Tesseract의 결과를 향상시키고 부정확하게 스캔된 문서나 이미지를 교정할 수 있습니다. 복잡한 Tesseract 사전 시스템은 NuGet 패키지를 통해 관리됩니다. 우리는 Iron OCR 라이브러리를 사용하여 OCR 도구를 개발합니다.

IronOCR를 사용하면 추가 구성 없이 프로그램을 사용할 수 있으며, PDF 파일, 다중 프레임 TIFF 및 모든 일반 이미지 형식을 지원할 수 있습니다. 바코드 인식 기능도 제공하여 이미지에서 바코드 데이터를 추출하고 바코드 값을 읽을 수 있습니다. IronOCR는 무료 체험판을 제공하는 비용 효율적인 개발 버전을 제공하며, 영구 라이선스는 추가 비용 없이 IronOCR 번들에 포함됩니다. IronOCR 번들은 단일 결제로 여러 플랫폼을 지원합니다. IronOCR의 가격에 대한 자세한 정보는 이 페이지를 참조하십시오.