Regiões de cultivo e retângulos com IronOCR
Como faço para definir áreas de conteúdo em PDFs com o IronOCR?
Áreas de conteúdo e PDFs
Os métodos OcrInput.LoadPdf e LoadPdfPage têm a opção de adicionar uma Área de Conteúdo.
A pergunta é: como sei qual o tamanho da minha área de conteúdo, já que os PDFs não são dimensionados em pixels, mas as áreas de conteúdo geralmente são medidas neles?
Opção 1
O padrão OcrInput.TargetDPI é 225 - isso dita o tamanho da imagem PDF em pixels. O IronOCR conseguirá ler isto.
Opção 2 (caso de uso ideal)
- Use
OcrInput.LoadPdf()com seu modelo PDF. - Use
OcrInput.GetPages()para obter a largura e a altura da entrada. - Use
OcrInput.GetPages().First().ToBitmap()para obter a imagem exata que o motor OCR irá ler. - Agora você pode medir as áreas de conteúdo em pixels a partir da imagem exportada.
- As coordenadas selecionadas podem ser usadas para uma região OCR específica (ver em Resultado Final).
Para obter suas informações:
using System.Linq; // Needed for First()
using IronOcr;
var ocr = new IronTesseract();
using (var input = new OcrInput())
{
// Load the PDF document
input.LoadPdf("example.pdf");
// Save the first page as a bitmap to measure it
input.GetPages().First().ToBitmap().SaveAs("measure-me.bmp");
// Get the dimensions of the first page
var width = input.GetPages().First().Width;
var height = input.GetPages().First().Height;
// Optionally, output the dimensions to understand the scale
Console.WriteLine($"Width: {width}px, Height: {height}px");
}Imports System.Linq ' Needed for First()
Imports IronOcr
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Load the PDF document
input.LoadPdf("example.pdf")
' Save the first page as a bitmap to measure it
input.GetPages().First().ToBitmap().SaveAs("measure-me.bmp")
' Get the dimensions of the first page
Dim width = input.GetPages().First().Width
Dim height = input.GetPages().First().Height
' Optionally, output the dimensions to understand the scale
Console.WriteLine($"Width: {width}px, Height: {height}px")
End UsingResultado final:
using IronOcr;
using IronSoftware.Drawing; // Needed for Rectangle
var ocr = new IronTesseract();
using (var input = new OcrInput())
{
// Define the content area rectangle with specific pixel coordinates
var contentArea = new Rectangle
{
X = 215,
Y = 1250,
Height = 280,
Width = 1335
}; //<-- the area you want in px
// Load the specific content area of the PDF
input.LoadPdf("example.pdf", contentArea: contentArea);
// Perform OCR on the defined content area
var result = ocr.Read(input);
// Optionally, print the OCR result
Console.WriteLine(result.Text);
}Imports IronOcr
Imports IronSoftware.Drawing ' Needed for Rectangle
Dim ocr As New IronTesseract()
Using input As New OcrInput()
' Define the content area rectangle with specific pixel coordinates
Dim contentArea As New Rectangle With {
.X = 215,
.Y = 1250,
.Height = 280,
.Width = 1335
} '<-- the area you want in px
' Load the specific content area of the PDF
input.LoadPdf("example.pdf", contentArea:=contentArea)
' Perform OCR on the defined content area
Dim result = ocr.Read(input)
' Optionally, print the OCR result
Console.WriteLine(result.Text)
End UsingReferência da API: OcrInput | OcrInput.Página
Curtis Chau é bacharel em Ciência da Computação (Universidade Carleton) e se especializa em desenvolvimento front-end, com experiência em Node.js, TypeScript, JavaScript e React. Apaixonado por criar interfaces de usuário intuitivas e esteticamente agradáveis, Curtis gosta de trabalhar com frameworks modernos e criar manuais bem estruturados e visualmente atraentes.
