Por Que Usar IronOCR em Vez do Tesseract para Converter Imagem em Texto?

Tesseract

O Tesseract não consegue processar imagens para converter imagem em texto quando estejam rotacionadas, distorcidas, com baixa resolução (DPI), digitalizadas ou com ruído de fundo.

• Requer pré-processamento de imagem usando Photoshop ou ImageMagick.
• O processamento pode ser demorado e, frequentemente, fornece informações sem sentido.

IronOCR

• O IronOCR realiza o pré-processamento e aplica filtros de imagem para simplificar o reconhecimento óptico de caracteres.
• Os usuários geralmente alcançam uma precisão de 99,8% a 100% na leitura de texto com configuração mínima.

Tesseract

• Só aceita o formato de imagem Leptonica PIX, que é um objeto IntPtr C++ em C#.
• Os objetos PIX não são memória gerenciada. A falta de cuidado no tratamento desses elementos em C# resulta em vazamentos de memória.

IronOCR

• As imagens são gerenciadas na memória.
• Suporta uma ampla variedade de formatos de imagem:
  • TIFF MultiFrame
  • JPEG e JPEG2000
  • GIF PNG
  • Bitmaps System.Drawing, Stream, e conjunto de bytes/Dados de imagem binária (byte[])
• Prevê-se que o IronSoftware.System.Drawing substitua a dependência do System.Drawing, permitindo um formato Bitmap universal.

Tesseract

• Configurações mal documentadas que precisam ser ajustadas para alcançar precisão.
• Depende de documentos limpos e imagens pré-processadas.

IronOCR

• Funciona com precisão sem necessidade de configuração para a maioria das imagens.
• Utiliza multithreading para aproveitar ao máximo os processadores multi-core.
• Mesmo imagens de baixa resolução geralmente apresentam alta precisão.
• Não é necessário usar o Photoshop.

Tesseract

• Suporte insuficiente ou inexistente e pouco amigável para iniciantes:
  1. Requer o trabalho com camadas de interoperabilidade. Muitas das soluções encontradas no GitHub estão desatualizadas, apresentam problemas não resolvidos, vazamentos de memória e avisos no console.
     • Pode não ser compatível com .NET Core ou Standard.
  2. Trabalhar com arquivos EXE na linha de comando é difícil de implementar e pode ser interrompido por antivírus e políticas de segurança.

IronOCR

• Uma biblioteca .NET gerenciada e testada para Tesseract chamada IronTesseract.
• Totalmente documentado e com suporte ao IntelliSense.
• Equipe de engenheiros de suporte pronta para ajudar.

Tesseract

• Suporta apenas 100 idiomas.

IronOCR

• Suporta mais de 125 idiomas integrados e permite a instalação de pacotes de idiomas personalizados.