Optyczne rozpoznawanie znaków (OCR) to kluczowa technologia służąca do konwersji zeskanowanych obrazów, plików PDF i innych dokumentów cyfrowych na tekst nadający się do odczytu maszynowego. Jest szeroko stosowany w przetwarzaniu dokumentów, automatyzacji przepływów pracy oraz systemach opartych na sztucznej inteligencji, które muszą interpretować tekst czytelny dla człowieka. Jeśli chodzi o usługi OCR, na rynku dostępnych jest wiele narzędzi do zarządzania zadaniami OCR. Obejmują one dostawców usług w chmurze, takich jak Amazon Web Services (AWS), Microsoft Azure i Google Cloud Vision API na platformie Google Cloud, którzy oferują zaawansowane rozwiązania chmurowe, oraz biblioteki innych firm, takie jak IronOCR, które stanowią realną alternatywę w konkretnych przypadkach użycia lub dla tych, którzy potrzebują wydajnej biblioteki OCR do częstego wykorzystania.

W tym artykułe porównamy AWS OCR, Azure OCR i IronOCR, skupiając się na funkcjach, wydajności, cenach i użyteczności dla programistów, aby pomóc Ci określić, które narzędzie najlepiej odpowiada potrzebom Twojego projektu.

AWS OCR

Przegląd usługi AWS OCR

AWS Textract to w pełni zarządzana usługa OCR firmy Amazon, zaprojektowana do wyodrębniania tekstu ze skanowanych dokumentów, formularzy, tabel i innych materiałów. Textract, głęboko zintegrowany z ekosystemem AWS, jest zoptymalizowany do użytku w wielkoskalowych rozwiązaniach chmurowych i obsługuje przetwarzanie dokumentów zarówno w czasie rzeczywistym, jak i w trybie wsadowym.

Najważniejsze funkcje

• Wykrywanie i wyodrębnianie tekstu z dokumentów: AWS Textract charakteryzuje się wysoką dokładnością, szczególnie w przypadku dokumentów ustrukturyzowanych, takich jak formularze lub tabele. Nie tylko wyodrębnia surowy tekst, ale także identyfikuje elementy, takie jak pola wyboru, tabele i pary klucz-wartość.
• Obsługiwane typy plików: AWS Textract obsługuje różne formaty obrazów, takie jak PNG, JPEG i TIFF, a także PDF.
• Pobieranie danych z tabel i formularzy: Jedną z najważniejszych funkcji Textract jest możliwość dokładnej identyfikacji i pobierania danych tabelarycznych oraz pól formularzy, co sprawia, że idealnie nadaje się do pobierania danych na dużą skalę.

Wydajność i szybkość

AWS Textract zapewnia doskonałą wydajność, szczególnie w przypadku przetwarzania wsadowego na dużą skalę. Może efektywnie obsługiwać obszerne zbiory danych, chociaż przetwarzanie w czasie rzeczywistym może wykazywać niewielkie opóźnienia w zależności od objętości dokumentu.

Integracja i użyteczność API

Textract płynnie integruje się z innymi usługami AWS, takimi jak S3, Lambda i Rekognition, zapewniając spójne doświadczenie programistom pracującym w środowisku AWS. Oto podstawowy przykład w języku C# pokazujący, jak można używać Textract z AWS SDK:

// Import necessary AWS Textract and other AWS SDK packages
using Amazon.Textract;
using Amazon.Textract.Model;
using Amazon;

public async Task DetectTextFromDocumentAsync(string bucketName, string documentName)
{
    // Create an Amazon Textract client
    var textractClient = new AmazonTextractClient(RegionEndpoint.USEast1);

    // Prepare the request with the document location in S3
    var request = new DetectDocumentTextRequest
    {
        Document = new Document
        {
            S3Object = new S3Object
            {
                Bucket = bucketName,
                Name = documentName
            }
        }
    };

    // Send request to Textract and await response
    var response = await textractClient.DetectDocumentTextAsync(request);

    // Iterate through the detected blocks of text and print them
    foreach (var block in response.Blocks)
    {
        if (block.BlockType == BlockType.LINE)
        {
            Console.WriteLine($"Detected text: {block.Text}");
        }
    }
}

// Import necessary AWS Textract and other AWS SDK packages
using Amazon.Textract;
using Amazon.Textract.Model;
using Amazon;

public async Task DetectTextFromDocumentAsync(string bucketName, string documentName)
{
    // Create an Amazon Textract client
    var textractClient = new AmazonTextractClient(RegionEndpoint.USEast1);

    // Prepare the request with the document location in S3
    var request = new DetectDocumentTextRequest
    {
        Document = new Document
        {
            S3Object = new S3Object
            {
                Bucket = bucketName,
                Name = documentName
            }
        }
    };

    // Send request to Textract and await response
    var response = await textractClient.DetectDocumentTextAsync(request);

    // Iterate through the detected blocks of text and print them
    foreach (var block in response.Blocks)
    {
        if (block.BlockType == BlockType.LINE)
        {
            Console.WriteLine($"Detected text: {block.Text}");
        }
    }
}

' Import necessary AWS Textract and other AWS SDK packages
Imports Amazon.Textract
Imports Amazon.Textract.Model
Imports Amazon

Public Async Function DetectTextFromDocumentAsync(ByVal bucketName As String, ByVal documentName As String) As Task
	' Create an Amazon Textract client
	Dim textractClient = New AmazonTextractClient(RegionEndpoint.USEast1)

	' Prepare the request with the document location in S3
	Dim request = New DetectDocumentTextRequest With {
		.Document = New Document With {
			.S3Object = New S3Object With {
				.Bucket = bucketName,
				.Name = documentName
			}
		}
	}

	' Send request to Textract and await response
	Dim response = Await textractClient.DetectDocumentTextAsync(request)

	' Iterate through the detected blocks of text and print them
	For Each block In response.Blocks
		If block.BlockType = BlockType.LINE Then
			Console.WriteLine($"Detected text: {block.Text}")
		End If
	Next block
End Function

' Import necessary AWS Textract and other AWS SDK packages
Imports Amazon.Textract
Imports Amazon.Textract.Model
Imports Amazon

Public Async Function DetectTextFromDocumentAsync(ByVal bucketName As String, ByVal documentName As String) As Task
	' Create an Amazon Textract client
	Dim textractClient = New AmazonTextractClient(RegionEndpoint.USEast1)

	' Prepare the request with the document location in S3
	Dim request = New DetectDocumentTextRequest With {
		.Document = New Document With {
			.S3Object = New S3Object With {
				.Bucket = bucketName,
				.Name = documentName
			}
		}
	}

	' Send request to Textract and await response
	Dim response = Await textractClient.DetectDocumentTextAsync(request)

	' Iterate through the detected blocks of text and print them
	For Each block In response.Blocks
		If block.BlockType = BlockType.LINE Then
			Console.WriteLine($"Detected text: {block.Text}")
		End If
	Next block
End Function

Ceny

AWS Textract działa w modelu rozliczeniowym "pay-per-use", w którym opłaty naliczane są na podstawie liczby przetworzonych stron. W przypadku dużych projektów koszty mogą szybko się sumować, choć w przypadku korzystania na żądanie jest to opłacalne.

Azure OCR

Przegląd usługi Azure OCR

Azure Cognitive Services Nadaje się do przepływu dokumentów w środowiskach chmurowych i hybrydowych i może być dostosowany do obsługi wdrożeń na dużą skalę.

Najważniejsze funkcje

• Dokładność wyodrębniania tekstu: Azure OCR charakteryzuje się wysoką dokładnością, zwłaszcza w przypadku złożonych dokumentów, takich jak faktury, paragony i dowody osobiste. Obsługuje ponad 25 języków, dzięki czemu idealnie nadaje się do aplikacji wielojęzycznych.
• Obsługiwane typy plików: Azure OCR przetwarza obrazy w formatach JPEG, PNG, BMP, PDF i TIFF.
• Obsługa wielu języków: Azure OCR rozpoznaje tekst w wielu różnych językach, co stanowi zaletę podczas pracy nad globalnymi projektami lub aplikacjami.
• Form Recognizer: Azure Form Recognizer to potężne narzędzie w ramach Azure Cognitive Services, które umożliwia programistom wyodrębnianie danych strukturalnych z formularzy, faktur i innych dokumentów, zwiększając możliwości automatyzacji i przetwarzania danych.

Wydajność i szybkość

Azure OCR wyróżnia się przetwarzaniem w czasie rzeczywistym dzięki wydajnej architekturze, która umożliwia szybkie wyodrębnianie tekstu. Możliwości przetwarzania wsadowego są również solidne, a skalowalna infrastruktura chmury Azure zapewnia płynne działanie nawet podczas szczytowego obciążenia.

Integracja i użyteczność API

Azure OCR ściśle integruje się z innymi usługami Azure, takimi jak Azure Blob Storage i Azure Functions, co ułatwia tworzenie kompleksowych przepływów pracy. Usługa jest dostępna za pośrednictwem interfejsu API REST. Oto przykład w języku C#:

// Import necessary Azure Cognitive Services packages
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.IO;
using System.Threading.Tasks;

public async Task RecognizeTextInImageAsync(Stream imageStream, string endpoint, string apiKey)
{
    // Create a Computer Vision client
    var client = new ComputerVisionClient(new ApiKeyServiceClientCredentials(apiKey))
    {
        Endpoint = endpoint
    };

    // Call the API with the image stream and read printed text
    var ocrResult = await client.RecognizePrintedTextInStreamAsync(true, imageStream);

    // Iterate over the OCR result regions, lines, and words, printing them
    foreach (var region in ocrResult.Regions)
    {
        foreach (var line in region.Lines)
        {
            foreach (var word in line.Words)
            {
                Console.WriteLine(word.Text);
            }
        }
    }
}

// Import necessary Azure Cognitive Services packages
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.IO;
using System.Threading.Tasks;

public async Task RecognizeTextInImageAsync(Stream imageStream, string endpoint, string apiKey)
{
    // Create a Computer Vision client
    var client = new ComputerVisionClient(new ApiKeyServiceClientCredentials(apiKey))
    {
        Endpoint = endpoint
    };

    // Call the API with the image stream and read printed text
    var ocrResult = await client.RecognizePrintedTextInStreamAsync(true, imageStream);

    // Iterate over the OCR result regions, lines, and words, printing them
    foreach (var region in ocrResult.Regions)
    {
        foreach (var line in region.Lines)
        {
            foreach (var word in line.Words)
            {
                Console.WriteLine(word.Text);
            }
        }
    }
}

' Import necessary Azure Cognitive Services packages
Imports Microsoft.Azure.CognitiveServices.Vision.ComputerVision
Imports Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models
Imports System.IO
Imports System.Threading.Tasks

Public Async Function RecognizeTextInImageAsync(ByVal imageStream As Stream, ByVal endpoint As String, ByVal apiKey As String) As Task
	' Create a Computer Vision client
	Dim client = New ComputerVisionClient(New ApiKeyServiceClientCredentials(apiKey)) With {.Endpoint = endpoint}

	' Call the API with the image stream and read printed text
	Dim ocrResult = Await client.RecognizePrintedTextInStreamAsync(True, imageStream)

	' Iterate over the OCR result regions, lines, and words, printing them
	For Each region In ocrResult.Regions
		For Each line In region.Lines
			For Each word In line.Words
				Console.WriteLine(word.Text)
			Next word
		Next line
	Next region
End Function

' Import necessary Azure Cognitive Services packages
Imports Microsoft.Azure.CognitiveServices.Vision.ComputerVision
Imports Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models
Imports System.IO
Imports System.Threading.Tasks

Public Async Function RecognizeTextInImageAsync(ByVal imageStream As Stream, ByVal endpoint As String, ByVal apiKey As String) As Task
	' Create a Computer Vision client
	Dim client = New ComputerVisionClient(New ApiKeyServiceClientCredentials(apiKey)) With {.Endpoint = endpoint}

	' Call the API with the image stream and read printed text
	Dim ocrResult = Await client.RecognizePrintedTextInStreamAsync(True, imageStream)

	' Iterate over the OCR result regions, lines, and words, printing them
	For Each region In ocrResult.Regions
		For Each line In region.Lines
			For Each word In line.Words
				Console.WriteLine(word.Text)
			Next word
		Next line
	Next region
End Function

Ceny

Azure OCR oferuje cennik wielopoziomowy, oparty na liczbie transakcji. Ogólnie uważa się, że jest to opłacalne dla Enterprise, które już korzystają z infrastruktury Azure, chociaż ceny mogą znacznie wzrosnąć w przypadku dużych zbiorów danych.

IronOCR

Przegląd IronOCR

IronOCR to solidna biblioteka narzędzi OCR innych producentów, zaprojektowana dla programistów .NET. Umożliwia zarówno wdrożenia lokalne, jak i w chmurze, oferując większą elastyczność niż AWS lub Azure dla programistów, którzy potrzebują ścisłej kontroli nad swoimi narzędziami OCR.

Najważniejsze funkcje

• Jakość ekstrakcji tekstu: Dzięki temu niezawodnemu narzędziu z łatwością wyodrębnisz dane z obrazów i plików PDF. IronOCR charakteryzuje się wysoką dokładnością w przypadku tekstu drukowanego, wyróżniając się w ekstrakcji tekstu z plików PDF.
• Filtry obrazu: Edytuj te zaszumione zeskanowane dokumenty i obrazy za pomocą filtrów korekcji obrazu IronOCR, które mogą usuwać szumy z obrazów, wyostrzać je, poprawiać i nie tylko!
• Obsługiwane typy plików i języki: IronOCR obsługuje wiele formatów obrazów (JPG, GIF, TIFF, BMP) oraz pliki PDF, a także ponad 100 języków.
• Specjalistyczne funkcje: Oferuje zaawansowane funkcje, takie jak OCR plików PDF i odczyt kodów BarCode, których brakuje w ofertach niektórych dostawców usług w chmurze.

Wydajność i szybkość

IronOCR jest zoptymalizowany pod kątem szybkiego wyodrębniania tekstu, zwłaszcza podczas działania na dedykowanym sprzęcie. Dla programistów, którzy muszą przetwarzać dane lokalnie lub w scenariuszach chmury hybrydowej, IronOCR jest doskonałym wyborem, oferującym wysoką wydajność nawet w środowiskach o ograniczonych zasobach.

Integracja i użyteczność API

IronOCR jest bardzo wszechstronny i łatwy w użyciu z językiem C#. Oto prosty przykład:

// Import IronOcr namespace
using IronOcr;

public class OCRDemo
{
    public void PerformOCR(string imagePath)
    {
        // Create a new instance of IronTesseract
        var ocr = new IronTesseract();

        // Create a new IronOCR image input from the specified image filepath
        using var input = new OcrInput(imagePath);

        // Setting the OCR language (for example, English)
        ocr.Language = OcrLanguage.English;

        // Reads the text from the provided OcrImageInput object and returns an OcrResult object containing the extracted text
        OcrResult result = ocr.Read(input);

        // Writing all of the text to a new text file and saving it
        File.WriteAllText("result.txt", result.Text);
    }
}

// Import IronOcr namespace
using IronOcr;

public class OCRDemo
{
    public void PerformOCR(string imagePath)
    {
        // Create a new instance of IronTesseract
        var ocr = new IronTesseract();

        // Create a new IronOCR image input from the specified image filepath
        using var input = new OcrInput(imagePath);

        // Setting the OCR language (for example, English)
        ocr.Language = OcrLanguage.English;

        // Reads the text from the provided OcrImageInput object and returns an OcrResult object containing the extracted text
        OcrResult result = ocr.Read(input);

        // Writing all of the text to a new text file and saving it
        File.WriteAllText("result.txt", result.Text);
    }
}

' Import IronOcr namespace
Imports IronOcr

Public Class OCRDemo
	Public Sub PerformOCR(ByVal imagePath As String)
		' Create a new instance of IronTesseract
		Dim ocr = New IronTesseract()

		' Create a new IronOCR image input from the specified image filepath
		Dim input = New OcrInput(imagePath)

		' Setting the OCR language (for example, English)
		ocr.Language = OcrLanguage.English

		' Reads the text from the provided OcrImageInput object and returns an OcrResult object containing the extracted text
		Dim result As OcrResult = ocr.Read(input)

		' Writing all of the text to a new text file and saving it
		File.WriteAllText("result.txt", result.Text)
	End Sub
End Class

' Import IronOcr namespace
Imports IronOcr

Public Class OCRDemo
	Public Sub PerformOCR(ByVal imagePath As String)
		' Create a new instance of IronTesseract
		Dim ocr = New IronTesseract()

		' Create a new IronOCR image input from the specified image filepath
		Dim input = New OcrInput(imagePath)

		' Setting the OCR language (for example, English)
		ocr.Language = OcrLanguage.English

		' Reads the text from the provided OcrImageInput object and returns an OcrResult object containing the extracted text
		Dim result As OcrResult = ocr.Read(input)

		' Writing all of the text to a new text file and saving it
		File.WriteAllText("result.txt", result.Text)
	End Sub
End Class

Ceny

Model licencjonowania IronOCR jest bardziej elastyczny niż w przypadku AWS lub Azure. Płacisz jednorazową opłatę za Licencję wieczystą, co może być bardziej opłacalne w przypadku małych i średnich projektów. Dodatkowo IronOCR oferuje bezpłatną wersję próbną oraz opcje dostępne dla Enterprise.

Podsumowanie porównania

Tabela porównawcza podkreśla podstawowe różnice między AWS Textract, Azure OCR i IronOCR, skupiając się na kluczowych czynnikach, takich jak dokładność, obsługiwane formaty, specjalne możliwości, wydajność, integracja i ceny.

AWS Textract doskonale radzi sobie z dokumentami ustrukturyzowanymi, takimi jak formularze i tabele, co czyni go doskonałym wyborem dla Enterprise, które potrzebują szczegółowego wyodrębniania danych ze skanowanych dokumentów. Z kolei Azure OCR wyróżnia się doskonałą obsługą wielu języków, co czyni go idealnym rozwiązaniem dla globalnych aplikacji wymagających ekstrakcji tekstu z różnych języków.

IronOCR wyróżnia się możliwościami przetwarzania lokalnego i na miejscu, oferując zaawansowane funkcje, takie jak specjalistyczne przetwarzanie paszportów i BARCODE-ów, które nie zawsze są dostępne w rozwiązaniach opartych na chmurze. Ponadto model cenowy oparty na jednorazowej opłacie licencyjnej zapewnia długoterminowe oszczędności dla mniejszych projektów lub zespołów, które potrzebują lokalnego przetwarzania OCR bez dodatkowych kosztów związanych z ciągłymi opłatami za korzystanie z chmury. Każde rozwiązanie ma swoje mocne strony, więc wybór odpowiedniego zależy od skali projektu, wymaganych funkcji i środowiska wdrożeniowego.

Wnioski

W tym artykułe przyjrzeliśmy się kilku popularnym i wydajnym narzędziom OCR. Zarówno AWS Textract, jak i Azure OCR zapewniają potężne, skalowalne możliwości OCR, szczególnie dla Enterprise, które już zainwestowały w odpowiednie ekosystemy chmurowe. AWS wyróżnia się w przetwarzaniu dokumentów strukturalnych, natomiast obsługa wielu języków w Azure stanowi dużą zaletę.

Jednak IronOCR wyróżnia się dla programistów, którzy potrzebują elastycznych rozwiązań lokalnych lub preferują model licencji wieczystej. Podczas gdy narzędzia OCR oparte wyłącznie na chmurze, takie jak te, które dzisiaj omówiliśmy, a nawet inne, takie jak narzędzia Google OCR, mogą być popularne wśród osób poszukujących sporadycznego lub podstawowego zastosowania OCR, IronPDF stara się zapewnić tym, którzy wymagają częstszego korzystania z OCR, potężne narzędzie do obsługi niemal każdego zadania związanego z OCR. Wysoka dokładność OCR, łatwość integracji z projektami .NET oraz zaawansowane funkcje sprawiają, że jest to silny kandydat dla programistów .NET poszukujących wszechstronnego, potężnego narzędzia OCR.

Ostatecznie wybór między AWS, Azure i IronOCR będzie zależał od skali projektu, budżetu i konkretnych potrzeb w zakresie OCR.