C# 開源的 OCR（開發者列表）

Tesseract

最著名的開源 OCR 引擎被稱為 Tesseract，它最初由 Hewlett-Packard 創建。 自 2006 年以來，Google 一直支持該免費軟體專案，並以 Apache 許可證發布。

Tesseract OCR 引擎是當前最準確的開源和免費系統之一。Tesseract 現在支援 116 種語言，其最新穩定版本 4.1.1 是基於 LSTM。

Tesseract 從命令行界面運行時需要單獨的 GUI（圖形用户界面）支持，因為它沒有自己的內置界面。 它可以利用其神經網路學習新信息，並具有先進的圖像預處理流水線。將 OCR 能力添加到 .NET 應用程序的最有效方法是使用 Tesseract .NET SDK，這是提供文本識別能力的最佳解決方案之一。 即便 Tesseract 是當前市場上最好的OCR庫。

GOCR

GNU Public License 被用於創建稱為 GOCR 的 OCR（光學字符識別）程式。 它將文本文件轉換回文件的掃描圖像。 在 SF 上啟動程式並管理開發團隊後，Joerg Schulenburg 今天仍在用（非常）少的時間管理這個包。

由於 GOCR 可以與多個前端一起使用，因此非常簡單地將其移植到其他操作系統、網路應用和架構。 它可以讀取多種圖片文件類型，並且在 2010 年之前，其質量不斷提高。

根據 GOCR，它可以處理高度在 20-60 像素的單欄無襯線字體。 它報告了用拉丁字母以外的字母寫的文本、襯線字體、重疊字母、各種字體、噪點照片和過度的傾斜角度的困難。 GOCR 也能夠轉換條碼。

CuneiForm

CuneiForm，是一種免費和開源技術，現在也被稱為“Cognitive OpenOCR”。它具有內建的輸出和數據庫。 它涵蓋了 23 種不同的語言，還會執行文本格式掃描、文件佈局分析和識別等任務。

Cognitive Technologies 開發了 OpenOCR 的許可證，這些都是免費軟體和 BSD。 雖然它支援跨平臺使用，但 Linux 使用者不能獲得圖形界面。

為了簡化在任何 Dot NET Framework 2.0 或更高版本的程式中進行字符識別工作，使用了封裝庫 Puma Dot NET。 它在處理數據時運行字典檢查，以改善識別質量。

CuneiForm 是設計用來自動或半自動將紙本文件和圖像文件的電子副本轉換為可編輯的形式而不影響文件結構和原字體的技術。 該系統由兩部分組成，用於批次和一次處理一份的電子文件。除此之外，該系統還支援俄語和英語的組合。 只有 2009 年由 Andrei Borovsky 創建的分支支持其他混合語言的識別。 由於每種語言都與 dat 文件相關聯，且其結構和創建過程未被開發者公開，因此教導系統識別其他語言具有挑戰性。

Kraken

Kraken 是為了解決 Ocropus 的問題而開發的，且不影響其其他功能。 它使用其 CLSTM 神經網路庫並利用來自先前專案的寶貴經驗與新數據相結合。 有效功能於不同平台時需要使用某些外部庫。 藉助存儲的資訊，它可以更準確地預測潛在數據驗證問題。 此外，其工作方法促進了新模型的輕鬆部署和訓練。

IronOCR

與標準的 Tesseract 庫相比，IronOCR 擴展了 Tesseract 並提供了更高準度的本地 C# OCR 庫，提升了性能並提高了穩定性。 IronOCR 可以在 .NET 程式和網站中使用，以從 PDF 和圖像中提取文本。 它支援多種外語，並能生成純文本或結構化數據輸出。 它能夠掃描條碼和嵌入文本的圖像。 此庫可以用於開發 .NET 的應用中，無論是控制台、網頁、MVC，還是桌面應用。開發團隊提供直接協助，以進行商業部署的授權過程。 IronOCR兼容Visual Studio的最新版本。

using IronOcr;

// Instantiate an IronTesseract object to utilize its OCR capabilities
var Ocr = new IronTesseract();

// Set the language to English for better accuracy
Ocr.Language = OcrLanguage.EnglishBest;

// Optionally specify the Tesseract version to ensure compatibility
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create an OcrInput object to add images for OCR processing
using (var Input = new OcrInput())
{
    // Add the image to be processed; specify the image's path
    Input.AddImage(@"Demo.png");

    // Perform the OCR and store the result
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Pause the console to keep it open
    Console.ReadKey();
}

using IronOcr;

// Instantiate an IronTesseract object to utilize its OCR capabilities
var Ocr = new IronTesseract();

// Set the language to English for better accuracy
Ocr.Language = OcrLanguage.EnglishBest;

// Optionally specify the Tesseract version to ensure compatibility
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create an OcrInput object to add images for OCR processing
using (var Input = new OcrInput())
{
    // Add the image to be processed; specify the image's path
    Input.AddImage(@"Demo.png");

    // Perform the OCR and store the result
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Pause the console to keep it open
    Console.ReadKey();
}

Imports IronOcr

' Instantiate an IronTesseract object to utilize its OCR capabilities
Private Ocr = New IronTesseract()

' Set the language to English for better accuracy
Ocr.Language = OcrLanguage.EnglishBest

' Optionally specify the Tesseract version to ensure compatibility
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create an OcrInput object to add images for OCR processing
Using Input = New OcrInput()
	' Add the image to be processed; specify the image's path
	Input.AddImage("Demo.png")

	' Perform the OCR and store the result
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)

	' Pause the console to keep it open
	Console.ReadKey()
End Using

結論

OCR 開源工具允許我們使用其源代碼構建自己的程序。 然而，一些工具沒有官方庫或專門的團隊在出現編碼問題時提供支持。 Tesseract 的文檔也缺少常用情境的代碼範例或教程，讓初學者難於理解代碼和庫。

IronOCR 支援各種 .NET 專案，如 .NET Framework Standard 2、.NET Framework 4.5、.NET Core 2、3 和 5。它還適用於更新的技術，如 Mono、Xamarin 和 Azure。 通過利用 IronOCR 技術，我們可以增強 Tesseract 的結果，並校正誤掃的文件或圖片。 複雜的 Tesseract 字典系統是由 NuGet 套件管理的。 我們利用 Iron OCR 庫開發了一個 OCR 工具。

有了 IronOCR，我們可以無需額外的配置使用計畫，同時它支持 PDF 文件、多幀 TIFF 和所有常見圖像格式。 它還提供條碼識別功能，允許我們提取條碼數據並從圖像中讀取條碼值。 IronOCR 提供了一個具有免費試用版的成本效益開發版，終身許可證包括在 IronOCR 捆綁包中，不會額外收費。IronOCR 捆綁包提供跨多個平台的單一付款覆蓋。 有關 IronOCR 價格的更多信息，請參閱此 頁面。