開源發票 OCR 比較：尋找最佳工具

Capabilities and Features of Tesseract OCR in C#

在 .NET 應用程式中整合：將 Tesseract OCR 整合到 C# 專案中需要使用 Tesseract .NET SDK 或包裝器。 這提供了一種在熟悉的 .NET 環境中整合 OCR 功能的有效方法。

文字辨識： Tesseract OCR 擅長辨識和擷取各種影像格式中的文字。 它擅長處理各種文件類型，從掃描文件和 PDF 文件到在具有挑戰性的光照條件或角度下拍攝的圖像。

支援多種語言： Tesseract 支援 100 多種語言，使其能夠非常靈活地處理來自不同語言來源的文字的全球應用程式。

客製化和培訓： Tesseract 允許開發人員使用新的字體和語言來訓練引擎，從而提供量身定制的 OCR 解決方案，以滿足特定的業務需求或文件類型。

Emgu 簡歷 的優勢

跨平台： Emgu CV 可在任何支援 .NET 的平台上運行，包括 iOS、Android、Mac OS、Linux 和 Windows。

跨語言：除了 C# 之外，Emgu CV 還支援多種語言，包括 VB.NET、C++ 和 IronPython，並提供豐富的範例程式碼和強大的文件支援。

At9T的特點

使用者友善介面：此介面設計簡潔易用，即使是沒有任何經驗的使用者也能輕鬆上手。

支援多種語言：支援多種語言，包括英語、荷蘭語、日語、韓語等。

批次處理：能夠同時處理多個文件，節省從大量文件中提取資料的時間。

IronOCR的主要特點

輸入彈性：可處理各種格式，如影像（JPG、PNG、BMP）、多頁/幀檔案（TIFF、GIF）、System.Drawing 物件、串流和 PDF，並最佳化 DPI。

進階濾鏡：提供影像校正（銳利化、解析度增強等）和色彩校正濾鏡，以確保在 OCR 之前獲得最佳品質。

區域選擇：允許使用 CropRectangle 選擇特定文件區域進行 OCR。

資料輸出：提供 .NET 文字字串、條碼、二維碼資料和影像的資料輸出。

結構化資料：按頁、區塊、段落、行、單字和字元輸出結構化資料。

文件導出：支援導出為可搜尋的 PDF、HTML 或影像。

文字高亮和保存：能夠以各種粒度高亮和保存文字的功能。

語言與框架：支援 C#、VB.NET、F#，並且與各種 .NET 框架相容。

作業系統：相容於 Windows、macOS、Linux、Docker、Azure 和 AWS。

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

範例

以下是使用 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：

發票OCR開源工具（免費和付費工具比較）：圖4 - 使用上述程式碼從範例發票中提取文字的輸出結果

後續資料分析可以將識別出的資料轉換為 CSV 等格式，以便於處理。