開源發票 OCR 比較：尋找最佳工具

Tesseract OCR 在 C# 中的能力和特點

.NET 應用程序中的集成：將 Tesseract OCR 集成到 C# 項目中需要使用 Tesseract .NET SDK 或包裝。 這提供了一種在熟悉的 .NET 環境中合併 OCR 功能的有效方法。

文字識別：Tesseract OCR 擅於從各種影像格式中識別和提取文本。 它能夠處理從掃描文件和 PDF 文件到在困難光線條件或角度下拍攝的圖像等各種文件類型。

支持多種語言：Tesseract 支持超過 100 種語言，使其對全球應用程序非常通用，能夠處理來自不同語言來源的文本。

定制和訓練：Tesseract 允許開發人員訓練引擎使用新字體和語言，提供符合特定業務需求或文件類型的定制 OCR 解決方案。

Emgu CV 的優勢

跨平台：Emgu CV 在支持 .NET 的任何平台上運行，包括 iOS、Android、Mac OS、Linux 和 Windows。

跨語言：除了 C#，Emgu CV 可以在多種語言中使用，包括 VB.NET、C++ 和 IronPython，並且有豐富的示例代碼和強大的文檔支持。

At9T 的特點

用戶友好的界面：界面設計以易於使用為目標，即使是那些沒有先驗知識的人也能輕鬆導航。

多語言支持：支持多種語言，包括英語、荷蘭語、日語、韓語等。

批量處理：能夠同時處理多個文件，節省提取大量文件數據的時間。

IronOCR的主要特點

輸入靈活性： 處理多種格式如圖像（JPG、PNG、BMP）、多頁/幀文件（TIFF、GIF）、System.Drawing 對象、流和具有優化 DPI 的 PDF。

高級過濾器： 提供影像校正（銳化、分辨率增強等）和色彩校正過濾器，以確保在 OCR 之前的最佳質量。

區域選擇： 可以選擇特定的文檔區域進行 OCR，通過 CropRectangle。

數據輸出： 提供作為 .NET 文本字符串、條形碼、QR 數據和圖像的數據輸出。

結構化數據： 按頁、塊、段落、行、單詞和字符輸出結構化數據。

文件導出： 允許作為可搜索的 PDF、HTML 或圖像的導出。

文本高亮和保存： 功能用於在不同精細度上高亮和保存文本。

語言和框架： 支持 C#、VB.NET、F#，兼容各種 .NET 框架。

操作系統： 兼容 Windows、macOS、Linux、Docker、Azure 和 AWS。

IDE 支持： 完全支持 Microsoft Visual Studio 和 JetBrains ReSharper & Rider。

示例

下面是使用 IronOCR 提取發票數據的示例代碼片段：

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

' Create an instance of IronTesseract
Dim tesseract = New IronTesseract()

' Create an OcrInput object
Using input = New OcrInput("sample_invoice.png") ' Pass the image path directly to constructor
	' Read and store OcrResults object
	Dim result = tesseract.Read(input)

	' Get all text from the OCR result
	Dim allText As String = result.Text

	' Print the extracted text to the console
	Console.WriteLine(allText)
End Using

從發票圖像中提取的輸出數據如下所示：

隨後的數據分析可以將這些識別到的數據轉換為如 CSV 這樣的格式，以便更容易處理。