using IronOcr; using IronSoftware.Drawing; // We can delve deep into OCR results as an object model of // Pages, Barcodes, Paragraphs, Lines, Words and Characters // This allows us to explore, export and draw OCR content using other APIs/ var ocrTesseract = new IronTesseract(); ocrTesseract.Configuration.ReadBarCodes = true; using var ocrInput = new OcrInput(); var pages = new int[] { 1, 2 }; ocrInput.LoadImageFrames("example.tiff", pages); OcrResult ocrResult = ocrTesseract.Read(ocrInput); foreach (var page in ocrResult.Pages) { // Page object int PageNumber = page.PageNumber; string PageText = page.Text; int PageWordCount = page.WordCount; // null if we dont set Ocr.Configuration.ReadBarCodes = true; OcrResult.Barcode[] Barcodes = page.Barcodes; AnyBitmap PageImage = page.ToBitmap(ocrInput); double PageWidth = page.Width; double PageHeight = page.Height; double PageRotation = page.Rotation; // angular correction in degrees from OcrInput.Deskew() foreach (var paragraph in page.Paragraphs) { // Pages -> Paragraphs int ParagraphNumber = paragraph.ParagraphNumber; string ParagraphText = paragraph.Text; AnyBitmap ParagraphImage = paragraph.ToBitmap(ocrInput); int ParagraphX_location = paragraph.X; int ParagraphY_location = paragraph.Y; int ParagraphWidth = paragraph.Width; int ParagraphHeight = paragraph.Height; double ParagraphOcrAccuracy = paragraph.Confidence; OcrResult.TextFlow paragrapthText_direction = paragraph.TextDirection; foreach (var line in paragraph.Lines) { // Pages -> Paragraphs -> Lines int LineNumber = line.LineNumber; string LineText = line.Text; AnyBitmap LineImage = line.ToBitmap(ocrInput); int LineX_location = line.X; int LineY_location = line.Y; int LineWidth = line.Width; int LineHeight = line.Height; double LineOcrAccuracy = line.Confidence; double LineSkew = line.BaselineAngle; double LineOffset = line.BaselineOffset; foreach (var word in line.Words) { // Pages -> Paragraphs -> Lines -> Words int WordNumber = word.WordNumber; string WordText = word.Text; AnyBitmap WordImage = word.ToBitmap(ocrInput); int WordX_location = word.X; int WordY_location = word.Y; int WordWidth = word.Width; int WordHeight = word.Height; double WordOcrAccuracy = word.Confidence; foreach (var character in word.Characters) { // Pages -> Paragraphs -> Lines -> Words -> Characters int CharacterNumber = character.CharacterNumber; string CharacterText = character.Text; AnyBitmap CharacterImage = character.ToBitmap(ocrInput); int CharacterX_location = character.X; int CharacterY_location = character.Y; int CharacterWidth = character.Width; int CharacterHeight = character.Height; double CharacterOcrAccuracy = character.Confidence; // Output alternative symbols choices and their probability. // Very useful for spellchecking OcrResult.Choice[] Choices = character.Choices; } } } } }

與其他組件比較

iOS OCR 庫（免費和付費工具比較）

發佈 2024年9月29日

光學字符識別 (光學字符識別) 在各種應用中是一項關鍵技術，從數字化文件到從圖像中提取識別文本。在進行 iOS 開發時，選擇合適的 OCR 庫對於確保準確性、性能和易於整合至關重要。

在本文中，我將比較五個流行的 iOS OCR 庫：Tesseract OCR、Google Cloud Vision OCR、ABBYY FineReader SDK、SwiftOCR，並特別關注 IronOCR.iOS。

1. iOS OCR 庫簡介

在 iOS 應用程式開發的世界中，能夠準確地從圖像中識別文字是一項強大的功能，可以整合到各種應用程式中，從掃描名片到處理打印文件。實施 OCR (光學字符識別) 在您的 iOS 應用程式中，涉及選擇合適的 iOS OCR 庫來有效地處理文字提取。像 Vision 框架、Tesseract 庫以及其他 OCR 軟體等熱門工具，提供不同級別的文字識別準確性、語言支援和整合便利性。

無論您正在處理需要從掃描的 PDF 中識別文本、檢測字體或從圖像中提取字串的專案，了解如何使用這些庫至關重要。某些程式庫提供用於識別多種語言文字的預設選項，而其他則提供如基於神經網路的識別與錯誤修正等進階功能。

我們將根據以下標準評估每個庫：

主要特點
易於使用
性能
支持的品質和可用性
價格和授權條款
在這篇詳細的評論中，我們將探索各種 iOS OCR 函式庫的功能，討論它們如何處理請求物件、識別文字、傳遞 OCR 結果，並與應用程式的不同部分整合，例如名片掃描或文件處理。無論是 OCR 新手還是希望優化現有代碼，此文章將幫助您瀏覽選項並選擇最符合您需求的 OCR 函式庫。

2. Tesseract OCR iOS

最廣泛使用的開源 OCR 引擎之一是 Tesseract OCR. 它支持多種語言並能處理複雜的腳本，使其在各種應用中都具備多元化的特性。 Tesseract 非常可定制，允許開發人員針對特定使用案例進行微調。它支持多種輸出格式，包括純文字、OCR，以及可搜索的PDF。

iOS OCR 庫（免費和付費工具比較）：圖 1 - Tesseract OCR iOS GitHub 主頁

易於使用

Tesseract OCR 需要大量自訂化才能達到最佳效果。它沒有原生的 iOS SDK，因此通常需要使用第三方包裝器或框架（如 SwiftOCR 或 Xamarin）來與 iOS 進行整合。對於有使用開源工具經驗以及習慣使用命令列介面的開發人員來說，這是可以管理的，但對於初學者來說，可能會有較高的學習曲線。其中一個這樣的專案是由 Gali8 完成的；您可以在 GitHub 上訪問它，從這裡.

性能

Tesseract OCR 提供穩定的性能，但可能在處理低品質圖像或複雜佈局時遇到困難。它的速度不如一些商業OCR引擎，而且要優化速度和準確性通常需要大量調整。

支持的品質和可用性

作為一個開源項目，Tesseract OCR 受益於一個龐大且活躍的社群。然而，官方支援有限，開發者可能需要依賴社群論壇和 GitHub 問題來解決疑難。文檔內容詳盡，但導航起來可能會有些困難。

價格和授權條款

Tesseract OCR 是免費且開源的，並且採用 Apache License 2.0 授權。這使得它對於有預算限制的開發人員或那些從事開源專案的開發人員來說，成為一個具有吸引力的選擇。然而，缺乏官方支持可能需要額外的開發時間和資源。

何時使用 Tesseract OCR

Tesseract OCR 最適合尋找強大、可自訂且具成本效益的 OCR 解決方案的開發者。它非常適合預算限制為首要考量且開發團隊具備處理定制化和優化專業知識的專案。

3. Google Cloud Vision OCR

Google Cloud Vision OCR 是 Google 人工智慧工具套件的一部分，提供強大的文字識別功能。它支持多種語言，並能處理複雜的佈局，例如多欄文檔和手寫文字。此外，它能與其他 Google 雲端服務無縫整合，為已經在 Google 生態系統中的開發人員提供一個全面的解決方案。

iOS OCR 庫（免費和付費工具比較）：圖 2 - Google Cloud Vision OCR 指南

易於使用

Google Cloud Vision OCR 使用簡便，透過簡單的 REST API 調用即可整合到任何 iOS 應用中。 API 有完善的文件記錄，Google 提供了豐富的指南和範例來幫助開發人員快速入門。但是，該服務需要網路連線，並在雲端處理影像。

性能

Google Cloud Vision OCR 的表現一流，具有高準確率和快速處理時間。該服務的雲端特性使其能夠利用Google強大的基礎設施，即使面對大型或複雜的數據集也能確保結果一致。

支持的品質和可用性

Google 為其 Cloud Vision OCR 提供全面的支援，包括詳細的文件、線上論壇，以及企業客戶的直接支援選項。資源的可用性和官方支援使其成為開發人員可靠的選擇。

價格和授權條款

Google Cloud Vision OCR 以隨用隨付的定價模式運作，對於較小的專案來說可能具成本效益，但對於高 OCR 需求的應用程式來說可能變得昂貴。開發人員在決定購買此服務之前，應考慮他們的預算和預期使用情況。

何時使用 Google Cloud Vision OCR

Google Cloud Vision OCR 是專為需要可靠、精確、易於使用的 OCR 方案的開發者設計的，特別是如果他們已經在使用其他 Google Cloud 服務。最適合有保證網路連接的專案，並且預算允許潛在的擴展成本。

4. ABBYY FineReader SDK

ABBYY FineReader SDK是一款以卓越的準確性和先進功能聞名的高級OCR庫。它支持超過200種語言，能夠處理複雜的版面設計，包括多欄文字和含有混合內容的圖片。 ABBYY 也提供先進的影像預處理選項，使其適合高品質的文件數位化。

iOS OCR 庫（免費和付費工具比較）：圖 3 - ABBYY FineReader SDK 主頁

易於使用

ABBYY FineReader SDK 專為企業級應用程式設計，其全面的功能集反映了這一重點。雖然功能強大，但它比其他函式庫具有更高的學習門檻，整合可能需要更多的努力。然而，ABBYY 提供了詳盡的文件和支援，以協助開發人員應對其複雜性。您可以查看其適用於 iOS 的 API 參考這裡.

性能

ABBYY FineReader SDK 提供卓越的性能，尤其是在準確性方面。它在识别困难条件下的文字方面表现出色，例如低质量扫描或具有复杂布局的文档。此 SDK 經過速度優化，適合用於高吞吐量的 OCR 處理應用程序。

支持的品質和可用性

ABBYY 提供高品質支援，包括專屬客戶服務、詳細文件和知識庫。企業客戶還可以獲得個性化的支援選項，以確保問題能夠快速有效地解決。

價格和授權條款

ABBYY FineReader SDK 是一款商業產品，其定價反映了其高端定位。許可成本可能相當可觀，特別是對於企業使用而言，但其卓越的準確性和性能使這項投資是值得的。 ABBYY 提供各種授權模式，以滿足不同的業務需求。

何時使用 ABBYY FineReader SDK

ABBYY FineReader SDK 最適合需要高精準度的企業應用程式，並且預算允許提供高端解決方案的情況。這非常適合需要高品質 OCR 處理大量文件或基本文本識別之外的進階功能的企業。

5. SwiftOCR

SwiftOCR 是一個專為 iOS 設計的輕量化 OCR 庫。這是一個純 Swift 實現的 Tesseract OCR 引擎，專為 iOS 應用程式進行優化。 SwiftOCR 提供基本的文本識別功能，並且可以輕鬆整合到 Swift 專案中。

iOS OCR 庫（免費和付費工具比較）：圖 4 - SwiftOCR GitHub 頁面

易於使用

SwiftOCR 對於熟悉 Swift 的開發者來說，相對容易使用。其原生實現確保了與 iOS 專案的無縫整合，且不需要任何外部依賴。然而，它缺乏其他庫中的高級功能，因此更適合用於更簡單的OCR任務。

性能

SwiftOCR在基本OCR任務中提供不錯的性能。雖然它不像此列表中的其他庫那樣強大或準確，但它針對速度進行了優化，對於不需要複雜文本識別的應用程式來說效果很好。

支持的品質和可用性

SwiftOCR 是一個開源專案，並僅提供有限的官方支援。開發人員需要依賴社群資源和論壇以獲取協助。雖然社群很活躍，但支援的程度可能不足以應付更複雜或要求較高的專案。

價格和授權條款

SwiftOCR 是免費且開源的，根據 MIT 許可證授權。這使得它成為尋求在 iOS 上進行簡單 OCR 任務的開發者的一個具成本效益的解決方案的吸引選擇。

何時使用SwiftOCR

SwiftOCR 最適合從事較小型 iOS 專案並需要基本 OCR 功能的開發人員。這是那些需要輕量、易於集成的解決方案且不需要高級功能或廣泛支持的人的絕佳選擇。雖然已不推薦使用，這個專案仍然可以用於較簡單的OCR任務。若要在 iOS 中獲得快速、準確且不易出錯的 OCR 功能，請參閱 Apple 的 Vision 框架.

6. IronOCR.iOS

IronOCR.iOS 是一個專為從事 iOS 開發的 .NET 開發人員設計的強大 OCR 函式庫。它支持各種圖像格式，並提供先進的圖像校正濾鏡，例如傾斜校正、降噪和二值化。IronOCR.iOS 還包括一個經性能調整的 Tesseract OCR 引擎版本，提供高準確度和可靠性。

iOS OCR 庫（免費和付費工具比較）：圖 5 - IronOCR NuGet 試用橫幅圖像

IronOCR 是一款專業級的 C# 函式庫，專為高精度光學字符識別設計，而 IronOCR.iOS 則專門構建於跨平台環境（如 MAUI）中，將此功能擴展至 iOS 應用程式。此專業版本保持了原版 IronOCR 的強大性能和先進的圖像校正功能，對於需要在 iOS 應用中進行可靠文字識別的開發人員而言，是一個極佳的選擇。

iOS OCR 庫（免費和付費工具比較）：圖6 - IronOCR 跨平台相容性支援圖像

與 .NET 的無縫整合和跨平台支持確保開發人員能夠在不同平台上實現強大的 OCR 功能，所需努力最小化。 IronOCR.iOS 因其易用性、高準確性和全面支持而脫穎而出，使其成為跨平台生態系統中開發人員的首選。

易於使用

IronOCR.iOS 專為便捷使用而設計。其 API 簡單明瞭，使開發人員能輕鬆將 OCR 功能整合到他們的 iOS 應用程式中。該函式庫是文檔完善Iron Software 提供詳盡的指南和範例，幫助開發人員快速上手並實現 OCR。

性能

IronOCR.iOS 提供卓越的性能，具有高準確度和快速的處理時間。該庫針對 iOS 進行了優化，確保能夠高效處理各種 OCR 任務。其先進的圖像校正功能還有助於提高準確性，特別是在處理低質量圖像時。

支持的品質和可用性

Iron Software 為 IronOCR.iOS 提供全面支援，包括詳細的文件、知識庫和即時客戶服務。開發人員還可以使用線上聊天支援，方便在需要時獲得幫助。

價格和授權條款

IronOCR.iOS 是一款具有彈性功能的商業產品授權以完全免費的方式試用整個庫，這使它成為開發者的首選庫。

何時使用IronOCR.iOS

IronOCR.iOS 非常適合需要強大且易於使用的跨平台支援 OCR 庫的開發人員。它特別適合從事 iOS 項目的 .NET 開發人員，提供功能、性能和支持的完美平衡。

7. 結論

選擇適合您的 iOS 專案的 OCR 庫需要考量多種因素，包括您的具體使用案例、預算和技術需求。在我看來，我發現 IronOCR.iOS 略勝一籌，特別是用於構建跨平台支持的應用程式。以下是我對每個 iOS OCR 函式庫的最終想法：

Tesseract OCR 對於尋求功能強大、開源解決方案並擁有龐大社群的開發者來說是一個極佳的選擇，儘管可能需要做大量的自訂化。
Google Cloud Vision OCR 提供了一個無縫、易用、高精準度的選擇，非常適合已經在 Google 生態系統中的開發人員。
ABBYY FineReader SDK 最適合需要高準確度的企業應用程式，儘管它的價格較高且學習曲線較陡峭。
SwiftOCR 提供了一個輕量且具成本效益的解決方案，用於在 iOS 上執行基本的 OCR 任務，非常適合較小型的專案。
IronOCR.iOS 提供了一種平衡的方法，幾乎包含所有功能，並注重易用性、高精確性和強大的支持，這使其成為需要可靠和強大的 iOS OCR 解決方案的開發人員的絕佳選擇。