開源發票OCR比較：找出最佳工具

Capabilities and Features of Tesseract OCR in C

在.NET應用中的整合：將Tesseract OCR整合到C#專案中涉及使用Tesseract .NET SDK或包裝器。 這提供了一種有效的方法，可以在熟悉的.NET環境中整合OCR功能。

文字識別：Tesseract OCR擅長從多種影像格式中識別和提取文字。 它能夠處理從掃描文件和PDF文件到在不利照明條件或角度下拍攝的影像等一系列文件型別。

多語言支援：Tesseract支援超過100種語言，這使其對於處理來自不同語言來源的文字之全球應用極具多樣性。

自訂和訓練：Tesseract允許開發者用新字體和語言訓練引擎，提供適合特定商業需求或文件型別的OCR解決方案。

Emgu CV的優勢

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

跨語言：除了C#之外，Emgu CV還能在幾種語言中使用，包括VB.NET, C++, 和IronPython，並具備廣泛的範例程式碼和強大的文件支援。

At9T的功能

使用者友好的介面：介面設計簡單，即便沒有經驗的使用者也能輕鬆使用。

多語言支援：支援多種語言，包括英語、荷蘭語、日語、韓語等等。

批量處理：能夠同時處理多個文件，節省從多個文件中提取資料的時間。

IronOCR的關鍵功能

輸入靈活性：處理多種格式如影像（JPG, PNG, BMP）, 多頁面/框架文件（TIFF, GIF）, System.Drawing 物件, 流, 和優化DPI的PDF。

高級過濾器：提供影像校正（銳化，解析度增強等）和顏色校正的濾鏡，以確保OCR之前的最佳品質。

區域選擇：允許使用CropRectangle選擇文件的特定區域進行OCR。

資料輸出：提供資料輸出為.NET文字字串、條碼、QR資料和影像。

結構化資料：按頁面、塊、段落、行、詞和字元輸出結構化資料。

文件導出：可以導出為可搜尋的PDF、HTML或影像。

文字突出顯示和保存：具有以不同粒度突出顯示和保存文字的功能。

語言和框架：支持C#, VB.NET, F#，並與各種.NET框架相容。

操作系統：與Windows, macOS, Linux, Docker, Azure和AWS相容。

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

範例

下面是一個使用IronOCR從發票中提取資料的範例程式碼片段：

// 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

從發票影像中提取的輸出資料如下所示：

後續的資料分析可以將這些識別的資料轉換為如CSV之類的格式，以便更輕鬆地處理。