IronOCR ile Dynamsoft OCR Arasında Bir Karşılaştırma

Her iki yazılım seti, OCR için görüntüleri kırpma çözümleri sunar.

IronOCR ile kırpılmış bölgeleri okuma

Iron'un Tesseract OCR dalı, aşağıdaki kod örneğinde gösterildiği gibi, görüntülerin belirli bölgelerini okuma konusunda yeteneklidir.

Bir görüntünün piksel cinsinden okunacak tam bölgesini tanımlamak için System.Drawing.Rectangle kullanıyoruz.

Standart bir form dolduğunda ve içeriğin yalnızca bir kısmı durumdan duruma değiştiğinde bu gerçekten işe yarayabilir.

Bir Sayfanın Bir Bölümünü Tarama: Hız ve doğruluğu artırmak için bir belgeden okunacak bir bölgeyi belirlemek için System.Drawing.Rectangle kullanıyoruz.

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

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

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

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

Imports IronOcr
Imports System.Drawing

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Create an instance of IronTesseract
		Dim ocr = New IronTesseract()

		Using input = New OcrInput()
			' Define content area of interest
			Dim contentArea = New Rectangle() With {
				.X = 215,
				.Y = 1250,
				.Height = 280,
				.Width = 1335
			}

			' Add the specific region to the input
			input.AddImage("img/ComSci.png", contentArea)

			' Perform OCR operation
			Dim result = ocr.Read(input)

			' Output recognized text to console
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Bu, %41 hız artışı sağlarken aynı zamanda daha spesifik olmamıza olanak tanır. Bu, faturalar, makbuzlar, çekler, formlar, gider talepleri gibi benzer ve tutarlı belgeleri içeren .NET OCR uygulamaları için son derece değerlidir.

PDF okurken, İçerik Alanları (OCR kırpması) da desteklenir.

Dynamsoft OCR ile kırpılmış bölgeleri okuma

Başlamak için, Visual Studio'yu başlatın ve yeni bir C# Windows Forms Uygulaması oluşturun veya mevcut birini açın. DynamicDotNetTWAIN.dll, DynamicOCR.dll ve uygun dil paketini dahil etmemiz gerekecek.

1. Araçlar bölümüne gidin -> Araç Kutusu Öğelerini Seçin, ardından .NET Framework Bileşenleri sekmesine gidin, Gözat düğmesine tıklayın ve DynamicDotNetTWAIN.dll bulun.

2. Çözüm Gezgini'nde proje dosyasına sağ tıklayın ve Ekle-> Mevcut Öğe'yi seçin... ardından OCR kaynaklar dizininden gerekli öğeleri ekleyin.

LoadImage düğmesine tıklama kodu bu şekildedir:

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

Private Sub button1_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim filedlg As New OpenFileDialog()
	If filedlg.ShowDialog() = DialogResult.OK Then
		dynamicDotNetTwain1.LoadImage(filedlg.FileName)
		' Choose an image from your local disk and load it into Dynamic .NET TWAIN
	End If
End Sub

Private Sub dynamicDotNetTwain1_OnImageAreaSelected(ByVal sImageIndex As Short, ByVal left As Integer, ByVal top As Integer, ByVal right As Integer, ByVal bottom As Integer)
	dynamicDotNetTwain1.OCRTessDataPath = "../../"
	dynamicDotNetTwain1.OCRLanguage = "eng"
	Dim ocrResultFormat As OcrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text

	Dim sbytes() As Byte = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom)
	' OCR the selected area of the image

	If sbytes IsNot Nothing Then
		Dim filedlg As New SaveFileDialog()
		filedlg.Filter = "Text File(*.txt)| *.txt"
		If filedlg.ShowDialog() = DialogResult.OK Then
			Dim fs As FileStream = File.OpenWrite(filedlg.FileName)
			fs.Write(sbytes, 0, sbytes.Length)
			' Save the OCR result as a text file
			fs.Close()
		End If
		MessageBox.Show("OCR successful")
	Else
		MessageBox.Show(dynamicDotNetTwain1.ErrorString)
	End If
End Sub

Uygulamanın görünümü bu şekildedir:

Girdi görüntüsünün kalitesi, bir OCR görevinin hızındaki en önemli belirleyicidir. Arka plan gürültüsü ne kadar düşükse ve dpi ne kadar yüksekse, yaklaşık 200 dpi gibi harika bir hedef değere sahip, OCR çıktısı o kadar hızlı ve doğru olur.

Dynamsoft OCR için Görüntü İşleme Teknikleri

Kredi kartı numarasını telefonumuzla taramak veya kağıt belgelerden metin çıkartmak gibi çeşitli durumlarda OCR kullanmamız gerekiyor. Dynamsoft Label Recognition (DLR) ve Dynamic Web TWAIN (DWT) OCR yeteneklerini içerir.

Genel olarak iyi bir iş yapabilecek olsalar da, çeşitli görüntü işleme tekniklerini kullanarak sonuçları iyileştirebiliriz.

Gölgeyi Hafiflet/Kaldır

Zayıf aydınlatma, OCR sonucunu etkileyebilir. Sonucu iyileştirmek için, fotoğrafları beyazlatabilir veya gölgeleri görüntülerden kaldırabiliriz.

Ters Çevir

OCR motoru genellikle koyu renkli metin üzerinde eğitildiğinden, açık renkli metni bulmak ve tanımak daha zor olabilir.

Rengini tersine çevirirsek tanımak daha kolay olacaktır

Ters çevirme işlemi için DLR içinde GrayscaleTransformationModes parametresini kullanabiliriz.

İşte JSON ayarları:

"GrayscaleTransformationModes": [
    {
        "Mode": "DLR_GTM_INVERTED"
    }
]

DLR .net'in okuma sonucu:

Yeniden Ölçekleme

Harf yüksekliği çok düşükse, OCR motoru iyi bir sonuç veremeyebilir. Genel olarak, görüntü en az 300 dpi'ye sahip olmalıdır.

DLR 1.1'de harfleri büyütmenize izin veren bir ScaleUpModes parametresi var. Elbette, görüntüyü kendimiz de ölçekleyebiliriz.

Görüntüyü doğrudan okumak yanlış sonucu verir:

Görüntüyü x2 büyüttükten sonra, sonuç doğrudur:

Kaydırma

Metin biraz eğikse sorun değil. Ancak, aşırı eğikse, sonuç olumsuz etkilenir. Sonucu iyileştirmek için, görüntüyü kırpmamız gerekiyor.

Bunu başarmak için OpenCV ve Python'da Hough Line Transform kullanabiliriz.

Yukarıdaki görüntüyü kaydırmak için kod şu şekildedir:

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Görüntü.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = Görüntü.fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

Algılanan çizgiler:

Kaydırıldı:

IronOCR için Görüntü İşleme Teknikleri

Girdi görüntüsünün kalitesi burada önemli değildir çünkü IronOCR bozuk belgeleri onarma konusunda mükemmeldir (bu, zaman alıcıdır ve OCR işlerinizin daha fazla CPU döngüsü kullanmasına neden olacaktır).

TIFF veya PNG gibi daha az dijital gürültüye sahip giriş görüntü formatlarını seçmek, JPEG gibi kayıplı görüntü formatlarından daha hızlı sonuçlar verebilir.

Aşağıda listelenen görüntü filtreleri performansı önemli ölçüde artırabilir:

• OcrInput.Rotate(double degrees) — Resimleri belirtilen derece sayisina gore saat yönünde döndürür. Negatif tamsayılar saat yönünün tersine döndürme için kullanılır.
• OcrInput.Binarize() — Bu görüntü filtresi, her pikseli yalnızca siyah veya beyaz yapar, arada başka bir renk yoktur. Metin-arka plan kontrastının çok düşük olduğu durumlarda OCR performansını artırabilir.
• OcrInput.ToGrayScale() — Bu görüntü filtresi, her pikseli koyu gri bir tona dönüştürür. OCR doğruluğunu artırması pek olası değildir, ancak hızı artırabilir.
• OcrInput.Contrast() — Otomatik olarak kontrasti artırır. Düşük kontrastlı taramalarda, bu filtre sıklıkla OCR hızını ve doğruluğunu artırır.
• OcrInput.DeNoise() — Bu filtre sadece parazit bekleniyorsa kullanılmalıdır.
• OcrInput.Invert() — Tüm renkleri tersine çevirir. Örneğin, beyaz siyah olur: siyah beyaz olur.
• OcrInput.Dilate() — Gelişmiş morfoloji. Genişletme, bir görüntüdeki nesnelerin kenarlarına piksel ekleme işlemidir. (Inverse of Erode)
• OcrInput.Erode() — Gelişmiş bir morfoloji fonksiyonu. Aşındırma, nesnelerin kenarlarından piksel kaldırma işlemidir. (Inverse of Dilate)
• OcrInput.Deskew() — Bir resmi dikey ve doğru bir şekilde döndürür. Tesseract'ın eğik taramalara toleransı 5 derece kadar düşük olabileceğinden, bu OCR için oldukça kullanışlıdır.
• DeepCleanBackgroundNoise() — Çok fazla arka plan parazitini çıkarır. Bu filtreyi sadece belgede çok fazla arka plan gürültüsü olduğunu bildiğinizde kullanın, çünkü berrak belgelerde OCR doğruluğunu azaltabilir ve oldukça CPU ağırlıklıdır.
• OcrInput.EnhanceResolution — Düşük çözünürlüklü fotoğrafların çözünürlüğünü artırır. OcrInput nedeniyle bu filtre nadiren kullanılır. OcrInput düşük çözünürlüğü otomatik olarak tespit edip çözecektir.

IronTesseract'ı kullanarak daha yüksek kaliteli taramalarda OCR'yi hızlandırmak isteyebiliriz. Hız arıyorsak, burada başlayabiliriz ve ardından doğru denge sağlanana kadar özellikleri yeniden açabiliriz.

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim ocr = New IronTesseract()

' Configuration for speed tuning
		ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\"
		ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
		ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
		ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly
		ocr.Language = OcrLanguage.EnglishFast

		Using input = New OcrInput("img\Potter.tiff")
			Dim result = ocr.Read(input)
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

Bu sonuç, 99.8% oranında doğru — ancak %35 daha hızlı.