Tesseract OCR no Windows (Tutorial com Exemplo de Código)

Idioma do Instalador

Este é apenas o idioma para as caixas de diálogo e informações de ajuda. Se quisermos, podemos executar o Tesseract OCR para Windows em vários idiomas:

Idioma do instalador para o Tesseract OCR para Windows

Configuração do Tesseract OCR

A tela de configuração recomenda que todos os outros aplicativos sejam fechados antes de continuar com a instalação.

A tela de instalação do Tesseract OCR para Windows.

Escolher Local de Instalação

Em seguida, escolheremos o local de instalação. Antes de prosseguir para a próxima etapa, certifique-se de copiar o local de instalação para um arquivo .txt. Precisaremos adicionar o local de instalação às variáveis de ambiente de nossa máquina uma vez que a instalação estiver completa.

Escolha o local de instalação.

Escolher Componentes

Por padrão, ScrollView, Ferramentas de Treinamento, Criação de Atalhos e Dados de Idioma são todos selecionados. A menos que você tenha um motivo específico para não instalar estes, manteremos todos estes selecionados.

Componentes de instalação padrão do Tesseract OCR para Windows.

Se rolarmos para baixo e expandirmos os 'Dados de script adicionais', veremos que temos a opção de baixar e instalar dados de script adicionais. Isso pode ser útil para melhorar a precisão da extração de texto de certos idiomas scriptados. Depende de você se deseja instalar esses dados.

Componentes opcionais de instalação de script.

Escolher a Pasta do Menu Iniciar

Na última etapa da instalação, seremos solicitados a escolher a pasta do menu iniciar para os atalhos do Tesseract OCR para Windows. Deixei o meu configurado com o nome padrão: 'Tesseract-OCR'.

Escolha a pasta do menu iniciar para os atalhos do Tesseract OCR para Windows.

Após clicarmos em instalar, o Tesseract OCR para Windows começará a instalação. Nosso próximo passo é adicionar o caminho de instalação às variáveis de ambiente de nossa máquina.

Painel de Controle

Para adicionar o local de instalação às nossas variáveis de ambiente, vá ao menu Iniciar e procure por 'variáveis de ambiente'. Você deve ver um resultado para editar as variáveis de ambiente do sistema. Se não aparecer, você sempre pode usar as etapas a seguir: Menu Iniciar > Painel de Controle > Editar as variáveis de ambiente do sistema.

Procurando por 'variáveis de ambiente'

Propriedades do Sistema

Ao se deparar com a caixa de diálogo 'Propriedades do Sistema', certifique-se de que a guia Avançado esteja selecionada e clique no botão Variáveis de Ambiente no canto inferior direito da tela.

Variáveis ​​de ambiente

Em variáveis do sistema, clique no botão Editar.

Quando se deparar com a tela "Editar variável de ambiente", clique no botão Novo e cole o caminho de instalação do Tesseract OCR que copiamos anteriormente na Etapa 2. Depois de fazer isso, clique no botão 'OK'.

Adicionar Diretório de Instalação do Tesseract OCR para Windows às Variáveis de Ambiente

É isso! Agora que executamos o instalador .exe e adicionamos a localização de instalação do Tesseract OCR para Windows às nossas variáveis de ambiente, podemos testar se nossa instalação está funcionando executando o Tesseract em uma imagem de teste.

Instalar DLL

Download the IronOcr DLL directly to your machine.

Instalar NuGet

Alternativamente, você pode instalá-lo através do NuGet com o seguinte comando:

Install-Package IronOcr

Defina sua chave de licença do IronOCR usando o código

Adicione este código ao início do seu aplicativo antes de usar o IronOCR.

IronOcr.Installation.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01";

IronOcr.Installation.LicenseKey = "IRONOCR-MYLICENSE-KEY-1EF01";

Code Example for .NET OCR Usage — Extract Text from Images in C#

Utilize o Gerenciador de Pacotes NuGet para instalar o pacote NuGet IronOCR em sua solução do Visual Studio.

// PM > Install-Package IronOcr
// using IronOcr;

var Ocr = new IronTesseract();

// Set the recognition language to English
Ocr.Language = OcrLanguage.English;

using (var Input = new OcrInput())
{
    // Add an example image to the OCR input
    Input.Add(@"img\example.tiff");

    // Optional: Clean the image before processing
    // Input.DeNoise();
    // Input.Deskew();

    // Read the text from the image
    IronOcr.OcrResult result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);

    // Explore the OcrResult using IntelliSense
}

// PM > Install-Package IronOcr
// using IronOcr;

var Ocr = new IronTesseract();

// Set the recognition language to English
Ocr.Language = OcrLanguage.English;

using (var Input = new OcrInput())
{
    // Add an example image to the OCR input
    Input.Add(@"img\example.tiff");

    // Optional: Clean the image before processing
    // Input.DeNoise();
    // Input.Deskew();

    // Read the text from the image
    IronOcr.OcrResult result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);

    // Explore the OcrResult using IntelliSense
}

API Tesseract 5 no IronOCR Tesseract

Até o momento, IronTesseract é a única implementação conhecida do Tesseract 5 for .NET Framework ou Core.

// using IronOcr;

var Ocr = new IronTesseract(); // nothing to configure

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);
}

// using IronOcr;

var Ocr = new IronTesseract(); // nothing to configure

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);
}

API Tesseract 4 no IronOCR Tesseract

// using IronOcr;

var Ocr = new IronTesseract();

// Specify the version of Tesseract
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract4;

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);
}

// using IronOcr;

var Ocr = new IronTesseract();

// Specify the version of Tesseract
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract4;

using (var Input = new OcrInput(@"images\image.png"))
{
    var result = Ocr.Read(Input);

    // Output the recognized text
    Console.WriteLine(result.Text);
}

PRECISÃO

COMPATIBILIDADE DE IMAGEM

DESEMPENHO

API

IDIOMA