IronOCR 和 Dynamsoft OCR 之間的比較

快速瀏覽比較結果如何分解？

How Does Microsoft Office Document Imaging Perform OCR in C#?

MODI 通過基於 COM 的物件模型執行光學字元識別（OCR）。 該過程始於建立一個 MODI.Document 物件，載入影像文件路徑，並調用 OCR 方法分析圖片並識別字元。 OCR 過程完成後，文字和佈局資訊可通過每頁的圖像和佈局物件存取。

在 Visual Studio 專案中使用 MODI，必須新增 Microsoft Office Document Imaging 型別庫的參考。 在解決方案資源管理器中，右鍵點擊引用文件夾，選擇 COM 標籤，然後選擇適當的 MODI 版本（Office 2003 的 11.0 或 Office 2007 的 12.0）。

// MODI OCR: Extracting text from a scanned TIFF document
private string ExtractTextFromImage(string path)
{
    string extractedText = "";
    MODI.Document doc = new MODI.Document();
    try
    {
        // Create the document object from the image file path
        doc.Create(path);
        // Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
        // Access the first page image and retrieve recognized text
        MODI.Image modiImage = (MODI.Image)doc.Images[0];
        extractedText = modiImage.Layout.Text;
    }
    catch (Exception ex)
    {
        // Handle OCR exceptions for unsupported or corrupted image files
        string message = ex.Message;
        Console.WriteLine(message);
    }
    finally
    {
        doc.Close(false);
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
    }
    return extractedText;
}

// MODI OCR: Extracting text from a scanned TIFF document
private string ExtractTextFromImage(string path)
{
    string extractedText = "";
    MODI.Document doc = new MODI.Document();
    try
    {
        // Create the document object from the image file path
        doc.Create(path);
        // Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
        // Access the first page image and retrieve recognized text
        MODI.Image modiImage = (MODI.Image)doc.Images[0];
        extractedText = modiImage.Layout.Text;
    }
    catch (Exception ex)
    {
        // Handle OCR exceptions for unsupported or corrupted image files
        string message = ex.Message;
        Console.WriteLine(message);
    }
    finally
    {
        doc.Close(false);
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
    }
    return extractedText;
}

' MODI OCR: Extracting text from a scanned TIFF document
Private Function ExtractTextFromImage(ByVal path As String) As String
    Dim extractedText As String = ""
    Dim doc As New MODI.Document()
    Try
        ' Create the document object from the image file path
        doc.Create(path)
        ' Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, True, True)
        ' Access the first page image and retrieve recognized text
        Dim modiImage As MODI.Image = CType(doc.Images(0), MODI.Image)
        extractedText = modiImage.Layout.Text
    Catch ex As Exception
        ' Handle OCR exceptions for unsupported or corrupted image files
        Dim message As String = ex.Message
        Console.WriteLine(message)
    Finally
        doc.Close(False)
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc)
    End Try
    Return extractedText
End Function

此函式展示了標準的 MODI 工作流程：Create 方法載入文件，OCR 方法使用指定語言進行識別，Layout.Text 提供提取的字串。 return extractedText 語句將輸出交給呼叫方。

雖然 MODI 提供了不錯的準確性以應對清晰的高解析度文件影像，但它也有顯著的限制。 它只支持 TIFF、MDI 和 BMP 格式。 它需要在每台運行應用程式的電腦上安裝 Microsoft Office，包括生產伺服器。 它沒有內建支持掃描低質量影像、校正傾斜或降低數位噪音。此外，由於 MODI 依賴 COM 互操作，它不能在 .NET Core、.NET 5+ 或任何跨平台場景中使用，這使得它不適合現代部署目標，如 Docker 容器或 Azure App Services。

現代 .NET 程式庫如何處理 OCR 功能？

IronOCR 用 純 .NET API 取代了 COM 互操作方法，通過單一的 NuGet 套件進行安裝。 IronTesseract 類包裹了一個經過強化的 Tesseract 5 引擎，而 OcrInput 類處理圖片載入、預處理和 多格式支持，所有這些都不需要在目標電腦上安裝 Microsoft Office 或任何外部依賴。

using IronOcr;
// Create the IronTesseract OCR engine object
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
input.LoadImage("scanned-document.tiff");
// Apply filters to correct low-quality scans automatically
input.Deskew();   // Straighten skewed page images
input.DeNoise();  // Remove digital noise from scanning artifacts
// Read text from the processed document
var result = ocr.Read(input);
// Output plain text
Console.WriteLine(result.Text);
// Save as a searchable PDF for document management system integration
result.SaveAsSearchablePdf("output-searchable.pdf");

using IronOcr;
// Create the IronTesseract OCR engine object
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
input.LoadImage("scanned-document.tiff");
// Apply filters to correct low-quality scans automatically
input.Deskew();   // Straighten skewed page images
input.DeNoise();  // Remove digital noise from scanning artifacts
// Read text from the processed document
var result = ocr.Read(input);
// Output plain text
Console.WriteLine(result.Text);
// Save as a searchable PDF for document management system integration
result.SaveAsSearchablePdf("output-searchable.pdf");

Imports IronOcr

' Create the IronTesseract OCR engine object
Dim ocr As New IronTesseract()
Using input As New OcrInput()
    ' Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
    input.LoadImage("scanned-document.tiff")
    ' Apply filters to correct low-quality scans automatically
    input.Deskew()   ' Straighten skewed page images
    input.DeNoise()  ' Remove digital noise from scanning artifacts
    ' Read text from the processed document
    Dim result = ocr.Read(input)
    ' Output plain text
    Console.WriteLine(result.Text)
    ' Save as a searchable PDF for document management system integration
    result.SaveAsSearchablePdf("output-searchable.pdf")
End Using

從圖片提取文字時的主要區別是什麼？

一旦您停止使用"完美"樣本文件並開始處理現實世界中的文件，這兩個選擇的真正差距就顯現出來。 我們談論的是那些亂七八糟的掃描，有咖啡污漬、傾斜的頁面，或者來自智慧手機的低解析度照片。

MODI 為不同的時代而構建，專注於乾淨、高反差的辦公文件。 如果您有一個來自高端掃描儀的清晰 TIFF 文件，它的表現不錯。但如果您的影像稍有旋轉或有一些數字"噪音"，MODI 的準確性就會大幅下降。 由於它沒有內建的過濾器來修復這些問題，您需要在進行 OCR 前使用 GDI+ 或 System.Drawing 等其他程式庫來預處理影像。 管理記憶體也有點麻煩； 如果您不手動調用 Marshal.ReleaseComObject，可能會在生產中遇到記憶體洩漏。

IronOCR 幫您輕鬆完成這些任務。 與其撰寫自定義程式碼來清理圖片，不如直接調用 input.Deskew() 或 input.DeNoise()。 這些濾鏡讓引擎即使在"醜陋"的文件中也能達到99.8%的準確度。

專業提示：如果您從 MODI 遷移，不要僅僅是更換程式碼，還要利用版面資料。 與 MODI 大部分給您一大塊文字不同，IronOCR 將文字按段落和行進行拆分，並附有信心分數。 如果您正在構建一個自動化發票處理器，並需要標記可能需要人工驗證的文件，這簡直是救星。

還值得注意的是，IronOCR 將多頁 TIFF 和 PDF 視作一個物件處理。 您不必像處理舊的 MODI.Images 集合那樣手動迴圈遍歷圖片。 這不僅更快、更乾淨，說實話，也穩定得多。

開發者如何從舊方法遷移？

替換現有專案中的 MODI 非常簡單。 核心遷移涉及將 COM 參考切換為 NuGet 套件，並更新 OCR 方法調用。 以下是 MODI 模式如何轉換為現代等價物：

using IronOcr;
// Replace: MODI.Document doc = new MODI.Document();
var ocr = new IronTesseract();
// Replace: doc.Create(filePath); with OcrInput
using var input = new OcrInput();
input.LoadImage("document.tiff");  // Accepts the same TIFF files MODI used
// Replace: doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
ocr.Language = OcrLanguage.English;
// Replace: modiImage.Layout.Text
var result = ocr.Read(input);
string text = result.Text;
Console.WriteLine(text);

using IronOcr;
// Replace: MODI.Document doc = new MODI.Document();
var ocr = new IronTesseract();
// Replace: doc.Create(filePath); with OcrInput
using var input = new OcrInput();
input.LoadImage("document.tiff");  // Accepts the same TIFF files MODI used
// Replace: doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
ocr.Language = OcrLanguage.English;
// Replace: modiImage.Layout.Text
var result = ocr.Read(input);
string text = result.Text;
Console.WriteLine(text);

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("document.tiff") ' Accepts the same TIFF files MODI used
    ocr.Language = OcrLanguage.English
    Dim result = ocr.Read(input)
    Dim text As String = result.Text
    Console.WriteLine(text)
End Using

映射幾乎一對一：MODI.Document.Create 轉為 OcrInput.LoadImage，帶有語言參數的 OCR 方法轉為 ocr.Language 加上 ocr.Read，而 Layout.Text 則轉為 result.Text。 沒有 COM 參考，沒有 Office 依賴，無需手動管理記憶體的 Marshal.ReleaseComObject。

除直接替換外，遷移還解鎖了 MODI 中根本不存在的功能：跨平台部署到 Linux 和 macOS，雲和容器部署，可搜尋的 PDF 輸出，和完全的 Tesseract 5 引擎以及 自定義字體訓練 功能。

哪個解決方案最適合現代 OCR 需求？

MODI 在 Microsoft Office 是每台 Windows 電腦的標準裝置時代發揮了其作用。 對於仍然依賴於 Office 2003 或 2007 的舊系統的團隊來說，它可能仍然有效，但這是對已經停止更新的軟體的脆弱依賴，沒有任何出路。

對於任何新專案，或任何面臨現代化的舊系統，IronOCR 提供了一個完整、正在積極維護的解決方案。 它完全消除了 Office 的依賴，運行於所有主要平台，能處理舊方法難以應付的低質量影像，並能提供超越純文字的結構化 OCR 輸出。 擁有豐富的文件、直接的工程支持，以及從 $999 提供的永久授權，專為生產級別的文件處理而打造。

現在開始使用IronOCR。

免費使用

準備好在生產中部署 OCR 嗎？ 探索IronOCR授權選項，為您的團隊找到合適的方案。