發票OCR開源（免費和付費工具比較）

介紹

光學字符識別 (光學字符識別) 現在是發票等文件處理最重要的技術。它在每個商業方面都發展起來了，從教育到工業領域。到處都可以看到 OCR 軟體的使用，因為它減少了手動數據輸入的使用。開發者可以使用多種發票 OCR API 來構建處理發票的 OCR 軟體應用程序。

在本文中，我們將探討三種用於發票處理和其他 OCR 過程的 C# 發票 OCR 開源軟體和庫。我們將討論 IronOCR，也 (與他們分開), 這是開發人員在C#項目中整合高級OCR功能的最佳付費選項。讓我們開始使用開源選項吧。

Tesseract OCR

Tesseract OCR 最初由惠普開發，現由谷歌維護，是一個強大的開源 OCR 引擎。它能讀取各種類型的文檔並將其轉換為可用數據。它支持多種語言，這使其成為全球企業的寶貴資源。

由於 Tesseract OCR 的多功能性和提取準確性，C# 開發人員發現其特別有用。通過將 Tesseract 整合到他們的軟件應用程序中，開發人員可以高效地處理新發票並提取數據和相關信息，如採購訂單和稅額。我們可以使用提取的數據來從 PDF 發票中提取發票號和項目。

Tesseract OCR 在 C＃中的功能和特性

集成到 .NET 应用程序中：在 C# 项目中，集成 Tesseract OCR 涉及利用 Tesseract .NET SDK 或封装器，这为集成 OCR 功能提供了一种简化的方式。该集成使开发人员能够在他们熟悉的 .NET 环境中工作，确保了流畅的开发过程。

文本识别：Tesseract OCR 擅长从各种图像格式中识别和提取文本。它能够处理多种类型的文档，从扫描文档和 PDF 文件到在不同光照条件或角度下拍摄的图像。

支持多种语言：Tesseract 的一个重要优势是支持超过 100 种语言。这使其成为一个非常通用的工具，适用于需要处理和分析来自多种语言资源的文本数据的全球应用程序。

定制和训练：Tesseract 允许开发人员用新的字体和语言训练引擎，提供一个适应特定业务需求或文档类型的定制化 OCR 解决方案。这一功能特别有利于识别专业文档或不常见的字体中的文本。

Emgu CV

Emgu CV C# 是一個 OpenCV 庫的 .NET 包裝器。它幫助開發者在 C# 專案中輕鬆使用 OpenCV 的功能。它提供了一個豐富的工具包，用於圖像處理、計算機視覺及其他相關領域。它在處理發票以提取結構化數據方面非常有用。

它使用 Tesseract OCR 引擎從圖像和文件中提取文本。這個步驟要求準確，因為它是從任何發票中提取數據的主要步驟。這個包裝器的主要方法是 Tesseract.Recognize() 因為它將影像中的文字轉換為可編輯和可搜索的數據。開發人員可以提高發票處理流程的效率。

Emgu CV 的優勢

跨平台：Emgu CV 在任何支持 .NET 的平台上都能運作，包括 iOS、Android、Mac OS、Linux 和 Windows。

跨語言：除了 C#，Emgu CV 還可用於多種語言，包括 VB.NET、C++ 和 IronPython。它提供了豐富的範例代碼和通過其文檔的強大支持。

At9T

At9T，也稱為 (a9t9)，提供免費的光學字符識別 (OCR) (光學字符識別) 軟體應用程式。此軟體可以使用精美的圖形用戶界面從PDF和圖像中提取數據 (圖形用戶介面)完全由C#語言編寫。提供一個非常簡單且易於使用的方法，使用其智能文件處理將PDF轉換為可搜索的文件。

其GUI幫助擴展到非開發者，用戶只需單擊一下即可獲得解決方案。這款軟體非常容易安裝和使用。可以用於個人和專業用途。它能夠高效地執行許多OCR任務。我們可以上傳PDF發票並提取發票數據，如發票日期、項目明細、總計等。你只需上傳並按下按鈕開始OCR，然後它會開始處理發票。

At9T的功能

使用者友好的介面：它的使用者介面簡單易用。設計時考慮到了簡便性。沒有經驗的人也能輕鬆使用。

多語言支援：它支援多種語言，如英文、荷蘭文、日文、韓文等更多語言。

批次處理：此軟體可以同時對多個文件進行OCR。如果你需要從大量文件中提取數據，將節省時間。

介紹IronOCR：先進的OCR解決方案

如上所述，開源選項有很多困難之處。例如，Tesseract 不容易整合到我們的項目中；它需要一個包裝器才能使用。使用 Emgu CV 時，您必須了解 OpenCV。 否則，這將是個艱難的學習經驗，而且它也沒有詳細的文檔。同時，At9T 不適合處理複雜的文件。

為了解決這些問題並推進 OCR 解決方案， IronOCR 是最好的選擇。IronOCR 是一個 .NET OCR 庫，擴展了 Tesseract 5 引擎的功能，並為 OCR 添加了更多高級選項。與 Tesseract 和其他庫不同，它在 .NET 項目中的集成非常簡單。

IronOCR 支持多種文檔格式，包括 PDFs、PNG、JPG、BMP 和其他格式。它支持廣泛的 .NET 框架和平台，包括 Windows、macOS 等。您可以使用超過 127 種語言進行 OCR 操作，使其成為全球化的 OCR 產品。您可以使用其出色的發票 OCR 技術從所有發票格式中提取數據。IronOCR 使用機器學習進行最佳文本識別。讓我們來看看 IronOCR 的主要特點。

IronOCR 的主要特點

這是一份針對其主要特點的有組織摘要：

輸入靈活性: 可以從多種格式中讀取，包括圖像 (JPG, PNG, BMP)多頁面/框架文件 (TIFF，GIF)，和 System.Drawing 物件、流、和 PDF，具有最佳化的 DPI。

進階過濾器: 一系列的濾鏡如濾鏡精靈、圖像校正 (銳化, 分辨率增強, 去噪, 膨脹, 腐蝕)圖像方向校正 (旋轉、端正、縮放)色彩校正 (二值化, 灰階, 反轉, 替換顏色, 選擇文字顏色) 可用以確保在 OCR 之前獲得最佳圖像質量。

區域選擇： 允許通過 CropRectangle 選擇文檔的特定區域進行 OCR。

數據輸出： 提供簡單的數據輸出，如 .NET 文本字符串、條形碼、QR 數據和圖像。

結構化數據： 提供頁面、塊、段落、行、單詞和字符形式的結構化數據輸出。

文檔導出： 能夠將文檔導出為可搜索的 PDF、HTML，或作為頁面圖像、文本、條形碼或 QR。

文本突出顯示和保存： 提供突出顯示和保存字符、單詞、行和段落的功能。

語言和框架： 支持 C#、VB.NET、F#，並與 .NET 8、7、6、5、Core 2x 和 3x、Standard 2 及 Framework 4.6.2+ 兼容。

操作系統： 與 Microsoft Windows、macOS、Linux、Docker、Azure 和 AWS 完全兼容。

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

範例

這裡是使用 IronOCR 從發票中提取數據的範例程式碼：

// Create IronOCR Tesseract Instance
IronTesseract tesseract = new IronTesseract();
// Create an OcrInput object
using (OcrInput input = new OcrInput("sample_invoice.png")) // You can directly pass the image path to the constructor
{
    // Read and store OcrResults object
    OcrResult result = tesseract.Read(input);
    // Get all text from the OCR result
    string allText = result.Text;
    // Print to console
    Console.WriteLine(allText);
}

// Create IronOCR Tesseract Instance
IronTesseract tesseract = new IronTesseract();
// Create an OcrInput object
using (OcrInput input = new OcrInput("sample_invoice.png")) // You can directly pass the image path to the constructor
{
    // Read and store OcrResults object
    OcrResult result = tesseract.Read(input);
    // Get all text from the OCR result
    string allText = result.Text;
    // Print to console
    Console.WriteLine(allText);
}

' Create IronOCR Tesseract Instance
Dim tesseract As New IronTesseract()
' Create an OcrInput object
Using input As New OcrInput("sample_invoice.png") ' You can directly pass the image path to the constructor
	' Read and store OcrResults object
	Dim result As OcrResult = tesseract.Read(input)
	' Get all text from the OCR result
	Dim allText As String = result.Text
	' Print to console
	Console.WriteLine(allText)
End Using

以下是我們從發票圖片中提取的輸出數據：

我們可以使用數據識別進行數據分析並將其導出為CSV文件。

結論

總之，當我們談論從圖像或文件中讀取文本時 (OCR技術)我們有很多選擇。Tesseract OCR、Emgu CV 和 At9T 都是人們可以使用的免費工具。每一個都有其獨特的優點。

但是如果你需要更高級的功能 發票OCR， 如果符合您的需求， 您可以開始選購 $749 授權。

所以，無論您是希望為項目添加文字識別功能的程式設計師，還是希望更好地管理文件的企業，有很多選擇。Tesseract、Emgu CV 和 At9T 等免費工具是很好的起點。但如果您希望使用更專業的工具，IronOCR 提供了許多先進功能。關鍵是選擇適合您特定需求的工具。