OCR C# GitHub: Rozpoznawanie tekstu z IronOCR

Jakiej metody instalacji należy użyć?

Zacznij od zainstalowania IronOCR za pomocą menedżera pakietów NuGet:

Install-Package IronOcr

Zainstaluj za pomocą NuGet

PM >  Install-Package IronOcr

Sprawdź IronOCR na NuGet dla szybkiej instalacji. Z ponad 10 milionami pobrań, przekształca rozwój PDF z C#. Możesz również pobrać DLL lub instalator Windows.

W przypadku zaawansowanych scenariuszy instalacji należy zapoznać się z przewodnikiem po pakietach NuGet. Jeśli wdrażasz oprogramowanie na konkretnych platformach, zapoznaj się z przewodnikami dla systemów Windows, Linux, macOS lub kontenerów Docker.

Gdzie można znaleźć przykładowy kod?

IronOCR prowadzi oficjalne repozytoria GitHub zawierające przykłady i samouczki. Repozytorium IronOCR Examples zawiera rzeczywiste implementacje, natomiast repozytorium samouczków Image to Text przedstawia praktyczne przykłady zastosowań, które można sklonować i modyfikować.

Te repozytoria prezentują funkcje OCR z odczytem BARCODE, obsługą wielu języków oraz przetwarzaniem plików PDF. Ponieważ IronOCR często publikuje pakiety na NuGet, zawsze będziesz mieć dostęp do najnowszych stabilnych kompilacji.

Jakiej struktury projektu należy użyć?

MyOcrProject/
├── src/
│   └── OcrProcessor.cs
├── images/
│   └── sample-invoice.jpg
├── .gitignore
├── README.md
└── MyOcrProject.csproj

Ta struktura obsługuje różne formaty wejściowe, w tym JPG, PNG, TIFF i BMP. W przypadku przetwarzania wielostronicowych plików TIFF lub GIF, IronOCR obsługuje je automatycznie.

Folder images/ porządkuje pliki przykładowe i ułatwia współpracownikom dodawanie obrazów testowych bez zaśmiećania katalogu głównego. Oddzielenie folderu src/ od plików konfiguracyjnych sprawia, że projekt jest łatwiejszy do przeglądania na pierwszy rzut oka. Dodaj README.md, który wyjaśnia, czym zajmuje się projekt, jaką zmienną klucza licencyjnego należy ustawić i jak uruchomić przykład.

Jak wdrożyć kod przetwarzania OCR?

Poniższy przykład przedstawia kompletny procesor OCR, który demonstruje kluczowe funkcje IronOCR, w tym przetwarzanie wstępne obrazów, ekstrakcję tekstu i wykrywanie BARCODE-ów:

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
ocr.Language = OcrLanguage.English;

using var input = new OcrInput();
input.LoadImage("images/sample-invoice.jpg");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(225);

var result = ocr.Read(input);

Console.WriteLine($"Confidence: {result.Confidence}%");
Console.WriteLine($"Text Found:\n{result.Text}");

foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"Barcode: {barcode.Value} ({barcode.Format})");
}

result.SaveAsSearchablePdf("output.pdf");

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
ocr.Language = OcrLanguage.English;

using var input = new OcrInput();
input.LoadImage("images/sample-invoice.jpg");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(225);

var result = ocr.Read(input);

Console.WriteLine($"Confidence: {result.Confidence}%");
Console.WriteLine($"Text Found:\n{result.Text}");

foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"Barcode: {barcode.Value} ({barcode.Format})");
}

result.SaveAsSearchablePdf("output.pdf");

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Configuration.ReadBarCodes = True
ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
ocr.Language = OcrLanguage.English

Using input As New OcrInput()
    input.LoadImage("images/sample-invoice.jpg")
    input.Deskew()
    input.DeNoise()
    input.EnhanceResolution(225)

    Dim result = ocr.Read(input)

    Console.WriteLine($"Confidence: {result.Confidence}%")
    Console.WriteLine($"Text Found:{Environment.NewLine}{result.Text}")

    For Each barcode In result.Barcodes
        Console.WriteLine($"Barcode: {barcode.Value} ({barcode.Format})")
    Next

    result.SaveAsSearchablePdf("output.pdf")
End Using

Ten przykład pokazuje kilka możliwości IronOCR. Konstruktor konfiguruje silnik OCR z włączonym odczytem kodów BarCode i automatyczną segmentacją stron. Proces przetwarzania wstępnego obejmuje korekcję pochylenia (korekcję obrotu), usuwanie szumów (usuwanie artefaktów) oraz poprawę rozdzielczości.

Po przetworzeniu silnik wyodrębnia tekst angielski wraz z wynikami pewności, identyfikuje BARCODES i generuje plik PDF z możliwością wyszukiwania. Kod jest napisany przy użyciu instrukcji najwyższego poziomu dla .NET 10, dzięki czemu przykład jest krótki i czytelny.

W zaawansowanych scenariuszach można użyć przetwarzania asynchronicznego w celu uzyskania lepszej przepustowości lub wdrożyć śledzenie postępu dla operacji długotrwałych. Klasa OcrResult zapewnia szczegółowe dane wyjściowe, w tym pozycje tekstu, współrzędne słów i strukturę akapitów — oferując znacznie więcej niż zwykły ciąg tekstowy.

Programiści mogą również skonfigurować IronOCR do odczytu innych języków, takich jak chiński, hiszpański lub francuski, co czyni go doskonałym wyborem dla wielojęzycznych projektów na GitHubie. Informacje na temat instalacji dodatkowych pakietów językowych można znaleźć w przewodniku po 125 językach międzynarodowych.

Co należy umieścić w pliku .gitignore?

W pliku .gitignore należy uwzględnić wpisy, które zapobiegają zatwierdzaniu artefaktów środowiska uruchomieniowego, wyników testów i tajnych ustawień konfiguracyjnych:

# IronOCR runtime files
runtimes/
# Test images and outputs
*.pdf
test-images/
output/
# License keys
appsettings.*.json

Szczególnie ważne jest, aby folder runtimes/ nie znajdował się w kontroli wersji, ponieważ IronOCR pobiera pliki binarne specyficzne dla platformy w czasie kompilacji. Dodanie ich do repozytorium spowodowałoby jego nadmierne powiększenie i doprowadziłoby do konfliktów między platformami. Dowiedz się więcej o Zarządzaniu kluczami licencyjnymi, aby zapewnić prawidłowe wdrożenie.

Czym IronOCR różni się od innych rozwiązań OCR?

IronOCR jest na tyle elastyczny, że rozpoznaje pojedyncze słowa, linie i całe akapity, dając Ci precyzyjną kontrolę nad tym, ile szczegółów wyodrębnisz z każdego skanu. Biblioteka doskonale radzi sobie ze specjalistycznymi typami dokumentów, w tym tablicami rejestracyjnymi, paszportami, tekstem pisanym odręcznie, zrzutami ekranu i zeskanowanymi dokumentami.

Licencja komercyjna zapewnia jasność prawną w odniesieniu do repozytoriów publicznych. Wyraźnie zezwala się na wykorzystanie IronOCR w aplikacjach komercyjnych. Wbudowane filtry przetwarzania wstępnego obrazów zawierają zaawansowane opcje, takie jak korekcja kolorów, poprawa jakości oraz Kreator filtrów, który automatycznie wyszukuje optymalne ustawienia dla trudnych obrazów.

Dłączego architektura oparta na pojedynczym pliku DLL jest ważna?

Architektura IronOCR oparta na pojedynczym pliku DLL oznacza, że współpracownicy mogą sklonować repozytorium i natychmiast rozpocząć prace programistyczne, bez konieczności zmagania się z zależnościami natywnymi lub konfiguracjami specyficznymi dla platformy, które są zmorą innych rozwiązań OCR. Ta prostota jest powodem, dla którego programiści wybierają IronOCR zamiast surowego Tesseracta.

Jeśli porównać proces konfiguracji, surowa implementacja Tesseract zazwyczaj wymaga osobnej instalacji natywnych plików binarnych, konfiguracji zmiennych PATH oraz ręcznego zarządzania plikami językowymi tessdata. IronOCR zajmuje się tym wszystkim wewnętrznie, co oznacza, że plik README Twojego projektu może skupiać się na logice aplikacji, a nie na instrukcjach konfiguracji środowiska.

Biblioteka zawiera Tesseract 5 z licznymi ulepszeniami wydajności i obsługą wielowątkowości, co pozwala na równoległe przetwarzanie wielu dokumentów bez konieczności pisania niestandardowego kodu wielowątkowego.

Jak radzić sobie z dużymi plikami w Git?

Użyj Git LFS dla dużych obrazów testowych, aby rozmiar repozytorium pozostał łatwy do zarządzania:

git lfs track "*.jpg" "*.png" "*.tiff"
git add .gitattributes
git commit -m "Track large image files with Git LFS"

git lfs track "*.jpg" "*.png" "*.tiff"
git add .gitattributes
git commit -m "Track large image files with Git LFS"

Jest to szczególnie ważne podczas pracy z obrazami o wysokiej rozdzielczości lub wielostronicowymi plikami TIFF. W przypadku skanów o niskiej jakości przetwarzanie wstępne IronOCR może znacznie poprawić wyniki bez konieczności ręcznej edycji obrazów testowych przed ich zatwierdzeniem.

Przechowując dokumenty testowe w repozytorium, należy rozważyć, czy zawierają one informacje wrażliwe. Lepiej jest generować syntetyczne obrazy testowe programowo niż umieszczać prawdziwe faktury lub dokumenty tożsamości, nawet w prywatnych repozytoriach.

Jak zarządzać kluczami licencyjnymi i dokumentacją?

Klucze licencyjne IronOCR należy przechowywać przy użyciu zmiennych środowiskowych lub sekretów użytkownika .NET. Nigdy nie umieszczaj ich bezpośrednio w żadnej gałęzi, nawet prywatnej. Aby zapewnić prawidłowe wdrożenie, należy postępować zgodnie z instrukcją dotyczącą klucza licencyjnego. Można również skonfigurować licencje w pliku web.config dla aplikacji ASP.NET.

W pliku README należy podać obsługiwane formaty obrazów oraz oczekiwane poziomy dokładności. Dołącz przykładowe obrazy do folderu test-data/, aby współpracownicy mogli zweryfikować działanie OCR natychmiast po sklonowaniu. Dodaj krótką sekcję wyjaśniającą, jak ustawić klucz licencyjny za pomocą zmiennej środowiskowej, aby nowi użytkownicy nie napotkali przeszkód przy pierwszym uruchomieniu.

W przypadku programowania wielopłatformowego zapoznaj się z przewodnikiem konfiguracji IronOCR dla systemu Linux lub instrukcjami instalacji dla systemu macOS. Programiści aplikacji mobilnych powinni zapoznać się z przewodnikami dotyczącymi systemów Android i iOS dostępnymi w dokumentacji IronOCR.

Dłączego OCR nie działa w systemie Windows?

Typowe problemy z instalacją obejmują brak pakietów Visual C++ Redistributables w systemie Windows. IronOCR wymaga wersji z 2019 roku. Szczegółowe wskazówki można znaleźć w przewodniku dotyczącym rozwiązywania problemów z pakietem Visual C++ Redistributable. W przypadku wdrożeń w systemie Linux upewnij się, że zainstalowano bibliotekę libgdiplus.

Jeśli rozpoznawanie tekstu wydaje się słabe, sprawdź, czy rozdzielczość obrazów wynosi co najmniej 200 DPI, korzystając z przewodnika po ustawieniach DPI. Społeczność C# OCR na Stack Overflow zapewnia również pomocne rozwiązania typowych problemów związanych z projektami na GitHubie.

W przypadku konkretnych problemów z konfiguracją należy użyć narzędzia IronOCR do diagnozowania problemów oraz ogólnego przewodnika rozwiązywania problemów, aby przeprowadzić diagnozę krok po kroku.

Gdzie można uzyskać dodatkowe wsparcie?

Aby uzyskać szczegółowe informacje na temat rozwiązywania problemów, zapoznaj się z przewodnikiem rozwiązywania problemów IronOCR. Zespół wsparcia IronOCR zapewnia szybką pomoc licencjonowanym użytkownikom pracującym nad aplikacjami OCR hostowanymi na GitHubie. Sprawdź dziennik zmian produktu, aby uzyskać najnowsze aktualizacje.