Uma comparação entre IronOCR e Tesseract.NET

Instalar IronOCR

IronOCR suporta instalação usando vários métodos. Podemos escolher qualquer abordagem. Todos os métodos são seguros.

• Usando o Gerenciador de Pacotes NuGet do Visual Studio
• Usando o Comando da Linha de Comando do Gerenciador de Pacotes NuGet.
• Direct download from the NuGet website.
• Direct download from the IronOcr website.

Usando o Gerenciador de Pacotes NuGet do Visual Studio

Podemos instalar a biblioteca IronOCR usando a GUI do Gerenciador de Pacotes NuGet no Visual Studio. Podemos acessá-lo clicando em Ferramentas > Gerenciador de Pacotes NuGet > Gerenciar Pacotes NuGet para solução.

Vá para a guia Procurar e pesquise por IronOCR. Selecione IronOCR nos resultados da pesquisa e instale-o em nosso projeto.

Agora, instalamos a biblioteca IronOCR em nosso projeto. Está pronto para uso em nosso projeto .NET.

Usando a Linha de Comando do Gerenciador de Pacotes NuGet

Podemos usar o Console do Gerenciador de Pacotes NuGet para instalar a biblioteca IronOCR. Vá para a linha de comando, que geralmente está localizada abaixo do arquivo de código, e então escreva a seguinte linha na linha de comando e aperte Enter.

Install-Package IronOcr

Isso começará a instalar a biblioteca IronOCR. Após a instalação, estará pronta para usar em nosso projeto.

Instalar o Tesseract.NET SDK

Podemos instalar o Tesseract.NET SDK usando o Gerenciador de Pacotes NuGet. Para instalar o Tesseract.NET SDK, vá para Ferramentas > Gerenciador de Pacotes NuGet > Gerenciar Pacotes NuGet para Solução. Vá para a guia Procurar e pesquise pelo Tesseract.NET SDK. Selecione o Tesseract.NET SDK nos resultados da pesquisa e instale-o. Após a instalação, podemos usar o Tesseract.NET SDK em nosso programa.

Após a instalação, você pode ver essas três pastas no explorador de soluções.

Essas pastas contêm dados essenciais necessários para o Tesseract realizar OCR. Agora estamos prontos para incorporar a capacidade de OCR em nosso projeto.

Imagem de teste

Esta é a imagem que usaremos para teste.

Usando o Tesseract.NET SDK

Primeiramente, olharemos a saída gerada pelo Tesseract.NET SDK para a imagem de teste. Vamos dar uma olhada no código:

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

using Patagames.Ocr;

// Use the OcrApi class to create an API instance for OCR
using (var api = OcrApi.Create())
{
    // Initialize the OCR API with the English language
    api.Init(Patagames.Ocr.Enums.Languages.English);
    // Extract text from the image at the specified path
    string plainText = api.GetTextFromImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Print the extracted text to the console
    Console.WriteLine(plainText);
}

Antes de tudo, importaremos a biblioteca Patagames.OCR para usar o Tesseract.NET SDK. Após isso, criaremos um OcrApi usando a função Create. Em seguida, definiremos o idioma padrão para Inglês usando a função Init. Depois, extraímos o texto simples da imagem usando o método GetTextFromImage, e no parâmetro, fornecemos o caminho dos arquivos de imagem. Depois, escrevemos o texto extraído no console.

A seguir, dê uma olhada na saída gerada pelo Tesseract.NET SDK:

Então, esta é a saída que obtemos do Tesseract.NET SDK. No início, fornece erros com base na resolução, mostrando que funciona bem apenas para imagens de alta resolução. Após os erros, podemos ver o texto extraído da imagem. Se compararmos este texto com a imagem, veremos que é completamente diferente. O texto extraído possui muito texto irrelevante que não faz sentido. No geral, o Tesseract.NET SDK falha neste teste.

Usando IronOCR

A seguir, veremos os resultados do IronOCR. Antes de pular para os resultados, primeiro olharemos o código para IronOCR:

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
Ocr.Language = OcrLanguage.EnglishBest;

// Use OcrInput to prepare the image for processing
using (var Input = new OcrInput())
{
    Input.AddImage(@"C:\Users\Administrator\Desktop\Input.jpg");
    // Correct the skew and noise in the image
    Input.Deskew();
    Input.DeNoise();
    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

No código acima, importamos a biblioteca IronOCR para nosso programa e então criamos um objeto de IronTesseract, que ajuda a iniciar o processo. Depois disso, definimos o idioma do processo para inglês. Agora o trabalho real pode começar. Criamos o objeto de OcrInput. Atribua o caminho da imagem à variável Input usando a função AddImage. Usamos a função Deskew para rotacionar a imagem para sua posição real, e depois usamos a função DeNoise para remover o ruído da imagem. Isso proporcionará um resultado melhor. Depois disso, usamos a função Read para reconhecer o texto e extraí-lo da imagem de teste. Em seguida, mostramos o resultado no console. Você também pode salvar a saída como um arquivo PDF no arquivo do Projeto.

Aqui está a saída gerada pelo IronOCR:

Se compararmos a saída, é o mesmo texto que está presente na imagem. IronOCR extrai texto perfeitamente sem nenhum erro. IronOCR pode extrair texto de imagens distorcidas e rotacionadas. Funciona até com imagens de baixa resolução.

IronOCR também suporta a adição de imagens com múltiplos quadros. Podemos usar o método "AddMultiFrameTiff" para fazer esta operação. IronOCR lê cada quadro na imagem, e cada quadro é tratado como uma página separada. Apenas imagens Tiff são suportadas usando este método.

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add a multi-frame TIFF image for OCR processing
    Input.AddMultiFrameTiff("images/multiframe.tiff");

    // Perform OCR and get the result
    var Result = Ocr.Read(Input);
    // Print the recognized text to the console
    Console.WriteLine(Result.Text);
}

Vamos dar uma olhada no código para fazer um PDF pesquisável:

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

// Initialize the IronTesseract class for performing OCR
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    // Add multiple images for processing
    Input.AddImage(@"images\page1.png");
    Input.AddImage(@"images\page2.bmp");
    Input.AddMultiFrameTiff(@"images\page3.tiff");

    // Deskew the images to correct orientation
    Input.Deskew();

    // Perform OCR and save the result as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

A função SaveAsSearchablePdf ajuda a salvar os arquivos como pesquisáveis.

Características do IronOCR

IronOCR suporta 125 idiomas. IronOCR também suporta códigos QR e códigos de barras de mais de 20 tipos de leitura. IronOCR pode converter imagens para escala de cinza para um melhor resultado. IronOCR pode melhorar a resolução da imagem manualmente e automaticamente. Também suporta a funcionalidade de auto-contraste para os melhores resultados. IronOCR pode exportar o documento em múltiplos idiomas e formatos como PDF pesquisável, Exportação HTML e imagens de qualquer página. IronOCR suporta muitos formatos de entrada, como os seguintes:

• Imagens (JPG, PNG, GIF, Tiff, BMP)
• Gif & Tiff com várias páginas
• Objetos System.Drawing
• Streams
• PDFs

IronOCR

O IronOCR é gratuito para desenvolvimento. Também oferece uma versão de teste gratuita para desenvolvimento. IronOCR tem uma variedade de planos de preços para produção. Você pode comprar o plano que melhor se adequa às suas necessidades. Existem planos de preços em nível individual, de equipe de desenvolvedores e organizacional. Os preços começam a partir de $799 para um plano Lite para um desenvolvedor e um projeto. Todos os planos são pagamentos únicos. Os usuários recebem atualizações gratuitas por um ano. Também suporta cobertura SaaS e OEM. Planos profissionais estão disponíveis em $999, enquanto o plano ilimitado é precificado em $2,999. O plano ilimitado inclui desenvolvedores, projetos e locais ilimitados.

You can learn more about the pricing plans by following this link. Além disso, a Iron Software atualmente tem uma oferta especial onde você pode comprar um conjunto de cinco pacotes de software pelo preço de apenas dois. Esses cinco pacotes de software são todos excelentes: IronPDF, IronXL, IronOCR, IronBarcode e IronWebscraper.

O Tesseract.NET SDK

O Tesseract.NET SDK também tem um plano de preços. O plano Tesseract.NET SDK começa a partir de $220 para um desenvolvedor e um projeto. Uma coisa importante a saber aqui é que o plano de preços inclui um plano de renovação. Portanto, você deve pagar anualmente ou mensalmente para garantir que o Tesseract.NET SDK esteja operando em seu projeto. You can learn more about the pricing plan for the Tesseract.NET SDK at this link.