Chinese OCR in C# and .NET

Criar ou abrir um projeto C

Para começar a usar o IronOCR, precisamos criar um projeto C# .NET . Estamos utilizando o Visual Studio 2022 para essa finalidade. Você pode escolher uma versão de acordo com suas necessidades. Recomenda-se a versão mais recente do Visual Studio para uma experiência mais tranquila. Criaremos uma interface gráfica para selecionar a imagem. Também podemos usar o IronOCR em um aplicativo de console, fornecendo o caminho direto da imagem. Siga os passos abaixo para criar um projeto C# no Visual Studio 2022:

• Abra o Visual Studio 2022.
• Clique no botão "Criar um novo projeto".

Digite "Windows" na barra de pesquisa, selecione o aplicativo "Windows Forms"* nos resultados da pesquisa e clique no botão "Avançar".

• Dê um nome ao projeto. Estou atribuindo o nome "ChineseOCR" ao projeto. Após o nome, clique no botão "Próximo".

Selecione o .NET Framework* na próxima tela. Selecione o .NET Framework de acordo com as necessidades do seu projeto. Para este tutorial, selecionamos a versão .NET 5.0.

• Após selecionar, clique no botão "Criar". Isso criará facilmente o projeto C# Windows Form no Visual Studio.

O projeto foi criado e agora está pronto para uso na biblioteca IronOCR . Também podemos usar o projeto C# já existente. Abra o projeto e inicie a instalação da biblioteca IronOCR . A seção a seguir explorará os métodos para instalar a biblioteca IronOCR em projetos C#.

Usando o Gerenciador de Pacotes NuGet

Para instalar a biblioteca IronOCR com o Gerenciador de Pacotes NuGet , precisamos abrir a interface do Gerenciador de Pacotes NuGet . Siga os passos abaixo para instalar a biblioteca IronOCR :

• Clique em "Ferramentas" no menu principal, no menu suspenso, passe o cursor sobre "Gerenciador de Pacotes NuGet " e selecione "Gerenciar o Gerenciador de Pacotes NuGet para a Solução".

• Isso abrirá a interface do Gerenciador de Pacotes NuGet . Acesse a aba de navegação e pesquise por IronOCR Chinês. Selecione o pacote correto nos resultados da pesquisa e clique no botão "Instalar" para instalá-lo.

• A instalação da biblioteca será iniciada. Após a instalação, você poderá usar a biblioteca IronOCR em seu projeto.

Utilizando o Console do Gerenciador de Pacotes

Usar um console é sempre uma opção fácil. Também podemos instalar a biblioteca IronOCR usando o Console do Gerenciador de Pacotes. Siga os passos indicados para instalar a biblioteca IronOCR :

• Abra o Console do Gerenciador de Pacotes no Visual Studio. Geralmente, ele está localizado na parte inferior do Visual Studio.

• Digite o seguinte comando no console:

  Install-Package IronOcr.Languages.Chinese

• Você poderá acompanhar o progresso da instalação da biblioteca no console. A biblioteca será instalada automaticamente. Após a instalação, nosso projeto estará pronto para a biblioteca IronOCR .

Desenvolvendo o Frontend

Usaremos os elementos da "Caixa de Ferramentas" para projetar a interface. Criaremos um botão, uma caixa de imagem, uma caixa de texto formatado e dois rótulos. Vamos arrastar e soltar esses elementos da Caixa de Ferramentas e colocá-los no formulário do Windows. Gerenciaremos esses elementos com estilo.

O botão será usado para selecionar o arquivo de imagem do computador. O Picture Box carregará o arquivo de imagem selecionado e o Rich Textbox exibirá o texto resultante. Você pode ajustar o tamanho de cada elemento de acordo com suas necessidades. O design final da interface ficará assim:

Esta janela será exibida quando você executar o projeto. Definimos o alinhamento das janelas para que se formem no centro da tela. Então, esta tela aparecerá no centro.

Nosso frontend está pronto. Em seguida, é hora de adicionar a funcionalidade de backend do botão.

Código de backend para IronOCR

Primeiro, precisamos importar o namespace IronOCR para usá-lo em nosso código. Escreva a seguinte linha no início do arquivo:

using IronOCR;

using IronOCR;

Usaremos o botão "Selecionar imagem" para selecionar a imagem e carregá-la na Caixa de Imagens. O IronOCR processará a imagem do texto em chinês simplificado e exibirá o texto resultante na caixa de texto formatado. Vamos adicionar a funcionalidade do botão clicando duas vezes nele. Escreva as seguintes linhas de código para adicionar a funcionalidade descrita:

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

Ocr.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = Ocr.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

Ocr.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = Ocr.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

Quando o usuário clicar no botão, uma caixa de diálogo aparecerá para selecionar a imagem. Quando o usuário selecionar a imagem, ela será carregada automaticamente na caixa de imagens. Usamos a função Bitmap() para imprimir imagens na caixa de imagem. Em seguida, o IronOCR converterá as imagens em texto chinês. Nós configuramos o OCR. Idioma para chinês tradicional: para reconhecer texto em chinês tradicional. Ocr. A função de leitura lerá o processo e armazenará o resultado do OCR na variável Resultado. Se precisar salvar o texto em formato PDF, texto simples ou HTML, você pode usar a função Salvar como para salvar o arquivo no formato de saída desejado — o IronOCR suporta diversos formatos de saída.

Execute o projeto

Agora é hora de executar o projeto. Clique no botão Executar no Visual Studio. Veremos essa tela em nosso monitor.

Clique no botão "Selecionar imagem". Isso abrirá a caixa de diálogo Selecionar arquivos. Selecione um arquivo de imagem e pressione Enter.

A imagem será carregada na caixa de imagem, digitalizada automaticamente e o resultado será exibido na caixa de texto.

Este é o resultado da imagem que selecionamos. O IronOCR também suporta a leitura e digitalização de arquivos PDF. Podemos usar o formato editável de arquivos PDF para digitalizar e reconhecer texto usando o IronOCR. Isso também pode ser feito em diferentes idiomas. O IronOCR pode transformar um documento PDF existente em um PDF pesquisável. O IronOCR possui diversos filtros de imagem para tornar as imagens mais nítidas e fáceis de entender. Aqui estão os filtros:

• Entrada.Binarizar()
• Entrada.Contraste()
• Input.Deskew()
• Input.DeNoise()
• Entrada.Dilatar()
• Input.EnhanceResolution(300)

Todas essas funções aumentam a visibilidade dos caracteres. O IronOCR utiliza essas funções para limpar e tornar um PDF pesquisável. Vejamos como isso pode ser feito:

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}