Como usar o Iron Tesseract em C

Como faço para criar uma instância do IronTesseract?

Inicialize um objeto Tesseract com este código:

:path=/static-assets/ocr/content-code-examples/how-to/irontesseract-initialize-irontesseract.cs

using IronOcr;

IronTesseract ocr = new IronTesseract();

Você pode personalizar o comportamento de IronTesseract selecionando diferentes idiomas, habilitando a leitura de código de barras e colocando caracteres na lista branca/preta. O IronOCR oferece opções de configuração abrangentes para ajustar seu processo de OCR:

:path=/static-assets/ocr/content-code-examples/how-to/irontesseract-configure-irontesseract.cs

IronTesseract ocr = new IronTesseract
{
    Configuration = new TesseractConfiguration
    {
        ReadBarCodes = false,
        RenderHocr = true,
        TesseractVariables = null,
        WhiteListCharacters = null,
        BlackListCharacters = "`ë|^",
    },
    MultiThreaded = false,
    Language = OcrLanguage.English,
    EnableTesseractConsoleMessages = true, // False as default
};

Uma vez configurado, você pode usar a funcionalidade Tesseract para ler objetos OcrInput. A classe OcrInput fornece métodos flexíveis para carregar diversos formatos de entrada:

:path=/static-assets/ocr/content-code-examples/how-to/irontesseract-read.cs

IronTesseract ocr = new IronTesseract();

using OcrInput input = new OcrInput();
input.LoadImage("attachment.png");
OcrResult result = ocr.Read(input);
string text = result.Text;

Para cenários complexos, você pode aproveitar os recursos de multithreading para processar vários documentos simultaneamente, melhorando significativamente o desempenho das operações em lote.

Quais são as variáveis ​​de configuração avançadas do Tesseract?

A interface IronOcr Tesseract permite o controle total das variáveis ​​de configuração do Tesseract através da classe IronOcr.TesseractConfiguration . Essas configurações avançadas permitem otimizar o desempenho do OCR para casos de uso específicos, como corrigir digitalizações de baixa qualidade ou ler tipos específicos de documentos .

:path=/static-assets/ocr/content-code-examples/how-to/irontesseract-tesseract-configuration.cs

using IronOcr;
using System;

IronTesseract Ocr = new IronTesseract();

Ocr.Language = OcrLanguage.English;
Ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Configure Tesseract Engine
Ocr.Configuration.TesseractVariables["tessedit_parallelize"] = false;

using var input = new OcrInput();
input.LoadImage("/path/file.png");

OcrResult Result = Ocr.Read(input);
Console.WriteLine(Result.Text);

// Example: Configure for financial documents
IronTesseract ocr = new IronTesseract
{
    Language = OcrLanguage.English,
    Configuration = new TesseractConfiguration
    {
        PageSegmentationMode = TesseractPageSegmentationMode.SingleBlock,
        TesseractVariables = new Dictionary<string, object>
        {
            ["tessedit_char_whitelist"] = "0123456789.$,",
            ["textord_pesado_nr"] = false,
            ["bordas_máximo_filhos_por_contorno"] = 10
        }
    }
};

// Apply preprocessing filters for better accuracy
using OcrInput input = new OcrInput();
input.LoadPdf("financial-document.pdf");
input.Deskew();
input.EnhanceResolution(300);

OcrResult result = ocr.Read(input);

// Example: Configure for financial documents
IronTesseract ocr = new IronTesseract
{
    Language = OcrLanguage.English,
    Configuration = new TesseractConfiguration
    {
        PageSegmentationMode = TesseractPageSegmentationMode.SingleBlock,
        TesseractVariables = new Dictionary<string, object>
        {
            ["tessedit_char_whitelist"] = "0123456789.$,",
            ["textord_pesado_nr"] = false,
            ["bordas_máximo_filhos_por_contorno"] = 10
        }
    }
};

// Apply preprocessing filters for better accuracy
using OcrInput input = new OcrInput();
input.LoadPdf("financial-document.pdf");
input.Deskew();
input.EnhanceResolution(300);

OcrResult result = ocr.Read(input);

Qual é a lista completa de todas as variáveis ​​de configuração do Tesseract?

Esses podem ser configurados usando IronTesseract.Configuration.TesseractVariables["key"] = value;. As variáveis ​​de configuração permitem ajustar o comportamento do OCR para obter resultados ideais com seus documentos específicos. Para obter orientações detalhadas sobre como otimizar o desempenho do OCR, consulte nosso guia de configuração rápida de OCR .

Para obter melhores resultados, recomenda-se usar os filtros de pré-processamento de imagem do IronOCR antes de aplicar o OCR. Esses filtros podem melhorar drasticamente a precisão, especialmente ao trabalhar com digitalizações de baixa qualidade ou documentos complexos, como tabelas .