C# 開源的 OCR（開發者列表）

Tesseract

最著名的開源OCR引擎名為Tesseract，最初由Hewlett-Packard建立。 自2006年以來，Google一直支持這個釋出的免費軟體專案，並且根據Apache授權發佈。

目前市場上可用的最準確的開源和免費系統之一是Tesseract OCR引擎。Tesseract現在支持116種語言，其最新穩定版本4.1.1是基於LSTM的。

當從命令行介面運行時，因為Tesseract没有自己的內建介面，所以需要來自其他GUI（圖形使用者介面）的支持。 它能夠利用其神經網路學習新資訊，並且具有一條先進的圖像預處理管道。將OCR功能新增到您的.NET應用程式的最有效技術是Tesseract .NET SDK，這是提供文字識別功能的最佳解決方案之一。 即便如此，Tesseract毫無疑問仍是目前市場上最佳的OCR程式庫。

GOCR

OCR（光學字元識別）程式GOCR是根據GNU公共許可證建立的。 它將文字文件轉回文件的掃描圖像。 在啟動該程式並管理SF上的開發團隊後，Joerg Schulenburg今天仍然以（非常）低的時間基數處理該包。

由於GOCR可以與多個前端配合使用，將其移植到其他作業系統、網路應用程式和架構相對簡單。 它可以讀取各種圖像檔案型別，且直到2010年，其質量持續改善。

根據GOCR，它可以處理高度為20-60像素的單列無襯線字體。 它報告了用非拉丁字母、襯線字體、重疊字母、不同字體、噪聲照片和過度斜傾角書寫的文字的困難。 GOCR也能翻譯條碼。

CuneiForm

CuneiForm是現在也被稱為"Cognitive OpenOCR"的免費開源技術。它具有內建輸出和資料庫。 它支持23種不同的語言，還執行文字格式掃描、文件佈局分析和識別等任務。

Cognitive Technologies開發了OpenOCR的許可證，這些許可證是免費軟體和BSD。 儘管它支持跨平台使用，但Linux使用者並未提供圖形介面。

為了簡化任何.NET Framework 2.0或更高版本應用程式中的字元識別工作，使用了封裝庫Puma .NET。 它在處理資料時進行字典檢查，以提高識別的質量。

CuneiForm是一種技術，旨在自動或半自動將紙制文件和圖像文件的電子副本轉換為可編輯的形式，而不影響結構和原始文件字體。 該系統包含兩個部分，用於批量和單個文件的電子處理。此外，該系統支持俄文和英文的組合。 只有Andrei Borovsky在2009年建立的分支支持其他混合語言的識別。 教導該系統識別其他語言充滿挑戰，因為每種語言都與一個dat文件相關，其結構和建立過程並未由開發者揭露。

Kraken

Kraken是為了解決Ocropus的問題而開發的，但不影響其其他功能。 它使用其CLSTM神經網路庫，並充分利用先前專案中獲得的新資料的寶貴經驗。 它需要使用某些外部程式庫才能在不同平台上有效運行。 在儲存資訊的幫助下，它可以對潛在資料驗證問題做出更準確的預測。 此外，其工作方法促進了新模組的輕鬆部署和訓練。

IronOCR

與標準Tesseract程式庫相比，IronOCR擴展了Tesseract，提供了本機C# OCR程式庫，具有更高的準確性、改進的性能和增強的穩定性。 IronOCR可以在.NET程式和網站中使用，從PDF和圖像中提取文字。 它支持廣泛的外語，並且可以生成純文字或結構化資料輸出。 它能夠掃描具有內嵌文字的條碼和圖像。 該程式庫可用於在.NET開發的應用程式中，包括控制台、網路、MVC和桌面。開發團隊提供商業部署的授權過程的直接支持。 IronOCR與最新版本的Visual Studio相容。

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程式碼構建我們自己的程式。 然而，某些工具並沒有官方程式庫或專門的團隊，以在程式碼問題出現時提供支持。 Tesseract的文件也缺乏範例程式碼或常見使用情況的教程，使得初學者難以理解程式碼和程式庫。

IronOCR支持各種.NET專案，如.NET Framework標準2、.NET Framework 4.5和.NET Core 2、3和5。它也可以與新的技術如Mono、Xamarin和Azure一起使用。 通過利用IronOCR技術，我們可以提升Tesseract的效果並糾正錯誤掃描的文件或圖像。 複雜的Tesseract字典系統通過NuGet包進行管理。 我們使用IronOCR程式庫來開發一個OCR工具。

使用IronOCR，我們可以在無需其他配置的情況下使用程式，並且它支持PDF文件、多幀TIFF以及所有常見的圖像格式。 它還提供條碼識別功能，使我們能夠提取條碼資料並從圖像中讀取條碼值。 IronOCR提供具有免費試用的性價比高的開發版，終身許可證包含在IronOCR套件中，無需額外費用。IronOCR套件為多個平台提供覆蓋，只需一次性支付。 有關IronOCR價格的更多資訊，請參閱此頁面。