Optyczne rozpoznawanie znaków (OCR) za pomocą IronOCR

Optyczne rozpoznawanie znaków (OCR) to technologia, która umożliwia maszynom odczytywanie i interpretowanie tekstu z obrazów, dzięki czemu przetwarzanie danych i automatyzacja przebiegają szybciej i wydajniej. W tym artykułe przedstawiono wytyczne dotyczące korzystania z OCR przy użyciu biblioteki IronOCR oraz sposobów, w jakie może ona usprawnić rozpoznawanie tekstu, automatyzując ten proces.

Dlaczego OCR jest ważne?

OCR w połączeniu z wizją komputerową to zaawansowana forma optycznego rozpoznawania znaków (OCR), która wykorzystuje możliwości sztucznej inteligencji i algorytmów uczenia maszynowego do dokładniejszego i wydajniejszego rozpoznawania znaków tekstowych na obrazach.

Algorytmy przetwarzania obrazu oparte na wizji komputerowej pozwalają systemom OCR zrozumieć kontekst i układ tekstu na obrazie oraz rozpoznawać znaki na podstawie ich kształtu i struktury. OCR w połączeniu z wizją komputerową pozwala wyodrębniać tekst ze złożonych obrazów zawierających wiele czcionek, stylów i rozmiarów, co czyni go cennym narzędziem w digitalizacji dokumentów, ekstrakcji danych i automatyzacji.

IronOCR: C# biblioteka OCR

IronOCR to popularna biblioteka OCR, która wykorzystuje techniki wizji komputerowej do wyodrębniania tekstu z obrazów i dokumentów. Jest łatwy w użyciu i integruje się z wieloma językami programowania, w tym C# i VB.NET. IronOCR jest dostępny zarówno w wersji lokalnej, jak i w chmurze i oferuje szereg funkcji do przetwarzania i wyodrębniania tekstu z obrazów.

Instalacja IronOCR

Aby zainstalować IronOCR, użyj następującego polecenia w konsoli NuGet Package Manager Console:

Install-Package IronOcr

System OCR z IronOCR

Poniższy obrazek służy do testowania systemu OCR z wykorzystaniem wizji komputerowej przy użyciu IronOCR.

Przykładowy obraz użyty do wykrywania OCR

Metoda FindTextRegion

Metoda FindTextRegion sluzy do identyfikacji pojedynczego obszaru tekstowego w obrazie. Metoda przyjmuje kilka opcjonalnych parametrow, w tym Scale, DilationAmount, Binarize i Invert:

• Scale dostosowuje rozmiar obrazu w celu lepszej rozpoznawalnosci tekstu.
• DilationAmount zwieksza grubosc tekstu, aby poprawic widocznosc.
• Binarize konwertuje obraz na czarno-bialy, co poprawia kontrast.
• Invert odwraca kolory obrazu, co moze byc przydatne dla niektorych typow obrazow.

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
Dim ocr As New IronTesseract()

' Create an OcrInput object for the image
Using inputOCR As 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

Imports IronOcr
Imports System

' Initialize the IronTesseract OCR engine
Dim ocr As New IronTesseract()

' Create an OcrInput object for the image
Using inputOCR As 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 znajduje zastosowanie, gdy w obrazie znajduje sie wiele obszarow tekstu. Zwraca liste obiektow CropRectangle, ktore okreslaja lokalizacje kazdego z obszarow tekstowych. 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
Dim ocr As New IronTesseract()

' Create an OcrInput object for the image
Using input As 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

Imports IronOcr

' Initialize the IronTesseract OCR engine
Dim ocr As New IronTesseract()

' Create an OcrInput object for the image
Using input As 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

Wyjasnienie: Podany powyzej fragment kodu jest przykladem uzycia biblioteki IronOCR do wykonania OCR na pliku obrazu. Najpierw importuje biblioteke IronOCR i tworzy nowa instancje klasy IronTesseract. Nastepnie inicjalizuje obiekt OcrInput z sciezka do pliku obrazu wejsciowego i stosuje pewne techniki wstepnego przetwarzania dla korekcji obrazu uzywajac metody FindMultipleTextRegions.

Wynik działania IronOCR

Wyniki działania IronOCR są bardzo dokładne, nawet w przypadku złożonych obrazów zawierających wiele czcionek, rozmiarów i stylów tekstu.

Dokładność OCR ma kluczowe znaczenie podczas wyodrębniania danych z obrazów, ponieważ wyodrębniony tekst jest często wykorzystywany do dalszego przetwarzania, takiego jak analiza danych, ręczne wprowadzanie danych, uczenie maszynowe lub przetwarzanie języka naturalnego. Jeśli wyodrębniony tekst zawiera błędy, może to spowodować problemy na dalszych etapach. Dodatkowo IronOCR umożliwia analizę obiektów wynikowych w celu sprawdzenia poziomów pewności.

Przykłady zastosowań OCR i wizji komputerowej

Technologia optycznego rozpoznawania znaków (OCR) zrewolucjonizowała sposób przetwarzania tekstu drukowanego. Narzędzia OCR stały się nieodzowną częścią przetwarzania dokumentów i pozyskiwania danych. Oto kilka przykładów zastosowań oprogramowania do optycznego rozpoznawania znaków:

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 wysiłki SEO, dostarczając przeszukiwalne, indeksowalne treści dla platformy 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.

Podsumowanie

Optyczne rozpoznawanie znaków (OCR) to technologia, która umożliwia komputerom odczytywanie tekstu z obrazów. OCR wraz z wizją komputerową jest ważne, ponieważ pozwala maszynom rozumieć i interpretować świat wizualny, co jest niezbędne w zastosowaniach takich jak samochody autonomiczne, robotyka i automatyczne przetwarzanie dokumentów.

IronOCR to potężny silnik OCR, który można wykorzystać do zastosowania OCR z wykorzystaniem wizji komputerowej w celu dokładnego rozpoznawania tekstu i wyodrębniania tekstu z obrazów. Udostepnia szereg metod do znajdowania i wyodrebniania obszarow tekstowych, w tym FindTextRegion, FindMultipleTextRegions i GetTextRegions. Każda metoda ma własny zestaw parametrów, które można wykorzystać do precyzyjnego dostosowania procesu OCR i zapewnienia wysokiej dokładności rozpoznawania.

Korzystając z IronOCR, można szybko i dokładnie wyodrębnić zeskanowany tekst z obrazów wejściowych, wykorzystując współbieżność i dostosowaną konfigurację, co pozwala zaoszczędzić czas i wysiłek podczas pracy z dużymi ilościami danych obrazówych. Niezależnie od tego, czy pracujesz ze skanami dokumentów, zdjęciami czy zrzutami ekranu, IronOCR pomoże Ci odczytać zawarty w nich tekst.

IronOCR oferuje bezpłatną wersję próbną dla użytkowników, którzy chcą przetestować oprogramowanie przed podjęciem decyzji o zakupie. Licencja na IronOCR zaczyna sie od $999 i obejmuje wsparcie oraz aktualizacje przez jeden rok. Dzięki solidnym funkcjom i rozsądnej cenie IronOCR to świetna opcja dla każdego, kto szuka niezawodnego rozwiązania OCR o wysokiej dokładności.