OCR z wykorzystaniem wizji komputerowej (przykładowy samouczek)

Metoda FindTextRegion

Metoda FindTextRegion służy do identyfikacji pojedynczego obszaru tekstowego w obrębie obrazu. Metoda przyjmuje kilka opcjonalnych parametrów, w tym Scałe, DilationAmount, Binarize oraz Invert:

• Scałe dostosowuje rozmiar obrazu w celu lepszego rozpoznawania tekstu.
• DilationAmount zwiększa grubość tekstu, aby poprawić jego widoczność.
• Binarize konwertuje obraz na czarno-biały, poprawiając kontrast.
• Invert odwraca kolory obrazu, co może być przydatne w przypadku niektórych rodzajów obrazów.

using IronOcr;
using System;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();

// Create an OcrInput object for the image
using (var inputOCR = new OcrInput("test.jpg")) 
{
    // Identify a text region within the image
    inputOCR.FindTextRegion();

    // Perform OCR on the identified text region
    OcrResult result = ocr.Read(inputOCR);

    // Extract and print the recognized text
    string resultText = result.Text;
    Console.WriteLine(resultText);
}

using IronOcr;
using System;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();

// Create an OcrInput object for the image
using (var inputOCR = new OcrInput("test.jpg")) 
{
    // Identify a text region within the image
    inputOCR.FindTextRegion();

    // Perform OCR on the identified text region
    OcrResult result = ocr.Read(inputOCR);

    // Extract and print the recognized text
    string resultText = result.Text;
    Console.WriteLine(resultText);
}

Imports IronOcr
Imports System

' Initialize the IronTesseract OCR engine
Private ocr = New IronTesseract()

' Create an OcrInput object for the image
Using inputOCR = New OcrInput("test.jpg")
	' Identify a text region within the image
	inputOCR.FindTextRegion()

	' Perform OCR on the identified text region
	Dim result As OcrResult = ocr.Read(inputOCR)

	' Extract and print the recognized text
	Dim resultText As String = result.Text
	Console.WriteLine(resultText)
End Using

Uwaga: Po uruchomieniu kodu zobaczysz, że wyodrębnia on tekst z regionu tekstowego przy użyciu procesu uczenia maszynowego. Wynik pojawia się w konsoli z wysoką dokładnością rozpoznawania tekstu.

Konsola jest wynikiem procesu ekstrakcji tekstu

Metoda FindMultipleTextRegions

Metoda FindMultipleTextRegions jest podobna do FindTextRegion, ale stosuje się ją, gdy na obrazie znajduje się wiele obszarów tekstowych. Zwraca listę obiektów CropRectangle, które definiują położenie każdego regionu tekstowego. Ta metoda jest przydatna, gdy chcesz wyodrębnić tekst z obrazu zawierającego wiele fragmentów tekstu.

using IronOcr;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();

// Create an OcrInput object for the image
using (var input = new OcrInput("test.jpg"))
{
    // Identify multiple text regions within the image
    input.FindMultipleTextRegions(Scale: 2.0, DilationAmount: -1, Binarize: true, Invert: false);

    // Perform OCR on the pre-processed image
    OcrResult result = ocr.Read(input);

    // Extract and print the recognized text
    string resultText = result.Text;
    Console.WriteLine(resultText);
}

using IronOcr;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();

// Create an OcrInput object for the image
using (var input = new OcrInput("test.jpg"))
{
    // Identify multiple text regions within the image
    input.FindMultipleTextRegions(Scale: 2.0, DilationAmount: -1, Binarize: true, Invert: false);

    // Perform OCR on the pre-processed image
    OcrResult result = ocr.Read(input);

    // Extract and print the recognized text
    string resultText = result.Text;
    Console.WriteLine(resultText);
}

Imports IronOcr

' Initialize the IronTesseract OCR engine
Private ocr = New IronTesseract()

' Create an OcrInput object for the image
Using input = New OcrInput("test.jpg")
	' Identify multiple text regions within the image
	input.FindMultipleTextRegions(Scale:= 2.0, DilationAmount:= -1, Binarize:= True, Invert:= False)

	' Perform OCR on the pre-processed image
	Dim result As OcrResult = ocr.Read(input)

	' Extract and print the recognized text
	Dim resultText As String = result.Text
	Console.WriteLine(resultText)
End Using

Wyjaśnienie: Powyższy fragment kodu stanowi przykład wykorzystania biblioteki IronOCR do przeprowadzenia rozpoznawania optycznego (OCR) pliku graficznego. Najpierw importuje bibliotekę IronOCR, a następnie tworzy nową instancję klasy IronTesseract. Następnie inicjuje obiekt OcrInput ze ścieżką do pliku obrazu wejściowego i stosuje pewne techniki przetwarzania wstępnego w celu korekcji obrazu przy użyciu metody FindMultipleTextRegions.

Rozpoznawanie tablic rejestracyjnych za pomocą OCR

Rozpoznawanie tablic rejestracyjnych odgrywa znaczącą rolę w automatyzacji zarządzania ruchem, systemów parkingowych oraz działań organów ścigania. Dzięki wdrożeniu technologii OCR w języku C# programiści mogą tworzyć aplikacje, które szybko i dokładnie identyfikują tablice rejestracyjne na podstawie obrazów lub strumieni wideo na żywo. Technologia ta może być wykorzystywana do:

• Monitorowanie wykroczeń drogowych i identyfikacja pojazdów biorących udział w działalności przestępczej.
• Zautomatyzuj systemy parkingowe, ułatwiając zarządzanie wjazdem i wyjazdem oraz usprawniając proces rozliczeniowy.
• Zwiększ środki bezpieczeństwa poprzez śledzenie i monitorowanie ruchu pojazdów w obszarach o ograniczonym dostępie.

Pobieranie tekstu z faktur

Wykorzystanie technologii OCR w języku C# pozwala tworzyć aplikacje OCR, które automatyzują proces pozyskiwania tekstu z faktur i innych dokumentów finansowych. Proces ten może radykalnie ograniczyć błędy związane z ręcznym wprowadzaniem danych oraz usprawnić zadania księgowe. Główne zalety to:

• Zwiększona wydajność dzięki automatyzacji procesu wprowadzania danych.
• Zwiększona dokładność, ponieważ OCR zmniejsza prawdopodobieństwo wystąpienia błędów ludzkich.
• Płynna integracja z oprogramowaniem i systemami księgowymi w celu efektywnego zarządzania danymi.

Generowanie napisów za pomocą OCR

Tworzenie napisów do filmów może być czasochłonne i pracochłonne. Technologia OCR w języku C# może uprościć ten proces poprzez automatyczne wykrywanie i transkrypcję tekstu wyświetlanego na ekranie, umożliwiając programistom:

• Twórz dokładne napisy do filmów, programów telewizyjnych i filmów online.
• Zwiększ dostępność dla osób z wadami słuchu lub posługujących się innymi językami.
• Zwiększ skuteczność działań SEO, dostarczając treści, które można przeszukiwać i indeksować na platformie wideo

Przetwarzanie plików PDF za pomocą OCR

Pliki PDF są powszechnie używane do udostępniania i przechowywania dokumentów, ale wyodrębnianie z nich tekstu może stanowić wyzwanie. Wykorzystanie OCR w C# może pomóc programistom w tworzeniu aplikacji OCR, które bez wysiłku przetwarzają pliki PDF i wyodrębniają ich zawartość, ułatwiając:

• Łatwa konwersja plików PDF do edytowalnych formatów, takich jak WORD, Excel lub zwykły tekst.
• Efektywne pozyskiwanie danych do analizy, indeksowania lub dalszego przetwarzania.
• Poprawiona dostępność dzięki konwersji zeskanowanych plików PDF na tekst z możliwością wyszukiwania i czytania.

Digitalizacja tekstu drukowanego

Oprogramowanie OCR jest szeroko stosowane do digitalizacji tekstu drukowanego z obrazów dokumentów. Narzędzia OCR mogą wyodrębniać tekst ze skanowanych dokumentów cyfrowych, plików PDF i obrazów w różnych formatach. Jest to szczególnie przydatne w zarządzaniu dokumentami, gdzie można łatwo wyszukiwać, przechowywać i udostępniać dokumenty tekstowe.

Pobieranie danych

Technologia OCR jest szeroko stosowana do pozyskiwania danych z dokumentów wejściowych, takich jak faktury, paragony i formularze. Modele OCR potrafią rozpoznawać i wyodrębniać kluczowe pola danych, takie jak nazwiska, adresy, daty i kwoty. Eliminuje to konieczność ręcznego wprowadzania danych i zmniejsza liczbę błędów w przetwarzaniu danych.

Wyszukiwanie obrazów

Technologia OCR jest również wykorzystywana do wyszukiwania obrazów, gdzie można wyszukiwać obrazy na podstawie zawartego w nich tekstu. Jest to szczególnie przydatne w przypadku dużych bibliotek obrazów, gdzie ręczne wyszukiwanie byłoby czasochłonne.

Tłumaczenie

OCR może służyć do wyodrębniania tekstu z dokumentów w jednym języku i tłumaczenia go na inny język. Jest to szczególnie przydatne dla międzynarodowych firm, w których dokumenty muszą być tłumaczone szybko i dokładnie.