Tesseract Ayrıntılı Konfigürasyonu

VB C#

using IronOcr;
using System;

var ocrTesseract = new IronTesseract()
{
    Language = OcrLanguage.EnglishBest,
    Configuration = new TesseractConfiguration()
    {
        ReadBarCodes = false,
        RenderHocr = true,
        BlackListCharacters = "`ë|^",
        PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd,
    }
};

using var ocrInput = new OcrInput();
ocrInput.LoadImage(@"images\image.png");
var ocrResult = ocrTesseract.Read(ocrInput);
Console.WriteLine(ocrResult.Text);

Imports IronOcr
Imports System

Private ocrTesseract = New IronTesseract() With {
	.Language = OcrLanguage.EnglishBest,
	.Configuration = New TesseractConfiguration() With {
		.ReadBarCodes = False,
		.RenderHocr = True,
		.BlackListCharacters = "`ë|^",
		.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd
	}
}

Private ocrInput = New OcrInput()
ocrInput.LoadImage("images\image.png")
Dim ocrResult = ocrTesseract.Read(ocrInput)
Console.WriteLine(ocrResult.Text)

Install-Package IronOcr

Tesseract Ayrıntılı Konfigürasyonu

OCR ile ilgili olduğunda, belgeden metin çekme ve çıkarma yaklaşımında seçenekler ve esneklik olması esastır. OCR uygulamak maliyetli olduğundan, belirli belgelerde hangi yöntemlerin ve performansın kontrol edilebilmesi, OCR kullanan bir uygulamanın ölçeklenebilir ve verimli olmasını sağlamak için gereklidir.

IronTesseract geliştiricilere oynamaları için farklı özellikler ve seçenekler sunar. Örneğin, belirli karakterleri kara listeye almak veya belgelerin içindeki barkodları okumak ya da OCR motorunun sayfayı okumayı nasıl algılayacağını belirlemek isterseniz, tüm bunlar ve daha fazlası IronTesseract sınıfı ile mümkündür.

`Tesseract` 5 ile IronOCR kullanma için 5 Adım Kılavuzu

var ocrTesseract = new IronTesseract();
ocrTesseract.Language = OcrLanguage.EnglishBest;
ocrTesseract.Configuration.ReadBarCodes = false;
ocrTesseract.Configuration.BlackListCharacters = "`ë|^";
ocrTesseract.Configuration.TesseractVariables["tessedit_parallelize"] = false;

IronTesseract sınıfını başlattıktan sonra, hemen değiştirmemiz gereken birkaç önemli seçenek vardır. Yapılandırılacak ilk özellik Language 'dir. Varsayılan olarak dil İngilizce; ancak, IronTesseract 125 dil destekler ve hatta UseMultipleLanguages yöntemi ile birden fazla dile izin verir. Daha fazla ayrıntı için buraya bakın.

Yapılandırmak istediğimiz ikinci özellik TesseractConfiguration sınıfıdır. Bu sınıf ile Tesseract motorunun olası metin blokları için belgeyi nasıl tarayacağını modifiye edebiliyoruz.

İlk olarak, Tesseract Motorunun dilini OcrLanguage.EnglishBest dilini atanarak değiştiriyoruz. Bu varyasyon, OCR kullanarak şekil tanıma stratejileri olan bir LSTM ve bir OEM birleştirir; bu iki stratejinin birleşimi, OCR'ın daha doğru sonuçlar üretmesini sağlar.
Daha sonra, OCR işlemi esnasında barkodları okumaktan kaçınmak için ReadBarCodes 'i false olarak ayarlıyoruz.

Ayrıca belirli karakterlerin belge üzerinde kara listeye alınarak çıkartılmasını isteyebiliriz; bu örnekte, tırnak işaretleri, aksanlar veya şapkalar ile metin çıkartılmasını önlemek için karakterleri kara listeye alırız. Son olarak, şimdilik paralel işlemi devre dışı bırakmak için TesseractVariables["tessedit_parallelize"] 'i false olarak ayarlıyoruz. Bu son özellik oldukça güçlüdür çünkü doğrudan Tesseract Motoruna hitap eder. Tesseract Motorunun, OCR gerçekleştirirken davranışını daha da özelleştirmesine olanak tanıyan TesseractVariables 'ın tam listesi burada bulunmaktadır.

Daha Fazla IronTesseract Konfigürasyon Seçeneklerini Keşfedin