如何在 C# 中建立字元識別

改進的Tesseract OCR引擎

IronOCR通過提高準確性和速度提升了廣泛使用的Tesseract OCR引擎的能力。 它是一個強大的解決方案，可從各種來源提取文字，包括圖像、PDF和多種文件格式。

廣泛的語言覆蓋範圍

IronOCR支持超過125種語言，熟練處理多語言需求，是要求語言多樣性應用的理想選擇。

多樣的輸出選擇

提取的文字可以方便地作為純文字或結構化資料輸出，以實現與進一步處理流水線的無縫整合。 此外，IronOCR還方便地直接從圖像輸入建立可搜尋的PDF。

跨平台適應性

專為C#、F#和VB.NET的相容性而設計，IronOCR在各種.NET環境中無縫運行，包括版本8、7、6、Core、Standard和Framework。

利用Tesseract 5

IronOCR利用Tesseract 5的強大功能，精細調整以在.NET生態系統中達到最佳性能。

基於區域的OCR功能

使用IronOCR，使用者可以精確定義文件中的特定區域，實現目標OCR處理。 此功能通過將處理能力集中在需要的地方，提高了準確性和效率。

圖像預處理工具

該程式庫提供了一套圖像預處理功能，如去斜和降噪。 即使面對不完美的源圖像，這些工具也能保證更好的結果，最終提升整體OCR體驗。

現在，我們將開發一個演示應用程式，利用IronOCR從圖像中讀取文字。

程式碼解釋

1. IronTesseract實例：我們首先建立一個IronTesseract實例以執行OCR操作。
2. 載入圖像：我們將樣本圖像載入到OcrInput物件中。
3. 讀取文字：讀取圖像中的文字，並將結果列印到控制台。

輸出

語言選擇

您可以使用Language屬性指定OCR的語言。 例如，要將語言設置為英語，請使用：

IronTesseract ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

IronTesseract ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.English

頁面分割模式

PageSegmentationMode決定了Tesseract如何對輸入圖像進行分割。 選項包括AutoOsd、SingleBlock、SingleLine等。 例如：

ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd

自定義Tesseract變數

您可以通過設置特定變數來微調Tesseract。 例如，要禁用並行處理：

ocr.Configuration.TesseractVariables["tessedit_parallelize"] = false;

ocr.Configuration.TesseractVariables["tessedit_parallelize"] = false;

ocr.Configuration.TesseractVariables("tessedit_parallelize") = False

列入和排除字元名單

使用WhiteListCharacters和BlackListCharacters來控制Tesseract識別哪些字元。 例如：

ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZ";
ocr.Configuration.BlackListCharacters = "`ë|^";

ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZ";
ocr.Configuration.BlackListCharacters = "`ë|^";

ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
ocr.Configuration.BlackListCharacters = "`ë|^"

額外配置變數

探索其他Tesseract配置變數以根據您的需求自定義行為。 例如：

ocr.Configuration.TesseractVariables["classify_num_cp_levels"] = 3;
ocr.Configuration.TesseractVariables["textord_debug_tabfind"] = 0;
// ... (more variables)

ocr.Configuration.TesseractVariables["classify_num_cp_levels"] = 3;
ocr.Configuration.TesseractVariables["textord_debug_tabfind"] = 0;
// ... (more variables)

ocr.Configuration.TesseractVariables("classify_num_cp_levels") = 3
ocr.Configuration.TesseractVariables("textord_debug_tabfind") = 0
' ... (more variables)

現在讓我們嘗試使用高級設置來解碼相同的圖像

using IronOcr;

public class Program
{
    public static void Main()
    {
        Console.WriteLine("Decoding using advanced features");
        var ocrTesseract = new IronTesseract() // Create instance
        {
            Language = OcrLanguage.EnglishBest, // Configure best English language
            Configuration = new TesseractConfiguration()
            {
                ReadBarCodes = false, // Disable reading barcodes
                BlackListCharacters = "`ë|^", // Blacklisted characters
                WhiteListCharacters = null, // No whitelist, allow all
                PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd,
                TesseractVariables = null, // No custom variables used
            },
            MultiThreaded = false,
        };

        using var ocrInput = new OcrInput(); // Create a disposible ocr input object
        ocrInput.AddImage(@"sample1.png"); // Load the sample image
        var ocrResult = ocrTesseract.Read(ocrInput); // Read the text from the image
        Console.WriteLine(ocrResult.Text); // Output the text
    }
}

using IronOcr;

public class Program
{
    public static void Main()
    {
        Console.WriteLine("Decoding using advanced features");
        var ocrTesseract = new IronTesseract() // Create instance
        {
            Language = OcrLanguage.EnglishBest, // Configure best English language
            Configuration = new TesseractConfiguration()
            {
                ReadBarCodes = false, // Disable reading barcodes
                BlackListCharacters = "`ë|^", // Blacklisted characters
                WhiteListCharacters = null, // No whitelist, allow all
                PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd,
                TesseractVariables = null, // No custom variables used
            },
            MultiThreaded = false,
        };

        using var ocrInput = new OcrInput(); // Create a disposible ocr input object
        ocrInput.AddImage(@"sample1.png"); // Load the sample image
        var ocrResult = ocrTesseract.Read(ocrInput); // Read the text from the image
        Console.WriteLine(ocrResult.Text); // Output the text
    }
}

Imports IronOcr

Public Class Program
	Public Shared Sub Main()
		Console.WriteLine("Decoding using advanced features")
		Dim ocrTesseract = New IronTesseract() With {
			.Language = OcrLanguage.EnglishBest,
			.Configuration = New TesseractConfiguration() With {
				.ReadBarCodes = False,
				.BlackListCharacters = "`ë|^",
				.WhiteListCharacters = Nothing,
				.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd,
				.TesseractVariables = Nothing
			},
			.MultiThreaded = False
		}

		Dim ocrInput As New OcrInput() ' Create a disposible ocr input object
		ocrInput.AddImage("sample1.png") ' Load the sample image
		Dim ocrResult = ocrTesseract.Read(ocrInput) ' Read the text from the image
		Console.WriteLine(ocrResult.Text) ' Output the text
	End Sub
End Class

程式碼解釋

1. IronOCR配寘：建立了一個IronTesseract（主要的IronOCR類）實例並將其分配給變數ocrTesseract。

   配寘設置應用於ocrTesseract：

   • 語言：指定OCR的語言（本例中為英語）。
   • 配寘：一個TesseractConfiguration物件，允許進一步自定義：
     • ReadBarCodes：禁用條碼閱讀。
     • BlackListCharacters：指定要排除的字元（不識別的字元）。
     • WhiteListCharacters：未指定白名單，允許所有字元。
     • PageSegmentationMode：將頁面分割模式設置為"AutoOsd"。
     • TesseractVariables：未使用自定義變數。
   • MultiThreaded：禁用多執行緒。
2. OCR輸入和圖像載入：ocrInput的OcrInput物件。 圖像文件"sample1.png"被新增到ocrInput。
3. 文字提取：在ocrInput。 結果被儲存在ocrResult變數中。
4. 輸出：提取的文字使用Console.WriteLine(ocrResult.Text)列印到控制台。

輸出

步驟5：進行IronOCR讀取操作的性能調整

當使用IronOCR時，您可以存取多個圖像過濾器，這些過濾器可以在進行OCR之前幫助預處理圖像。 這些過濾器優化圖像質量、提高可見性並減少噪點或偽影。 它們有助於提高OCR操作的性能。

1. 旋轉：

   旋轉過濾器允許您按指定數量的度數順時針旋轉圖像。對於逆時針旋轉，使用負數。

2. 去斜：

   去斜過濾器校正圖像的傾斜，確保文字直立且正交。 這對於OCR特別有用，因為Tesseract在掃描方向正確時效果最佳。

3. 縮放：

   縮放過濾器按比例縮放OCR輸入頁面。

4. 二值化：

   二值化過濾器將每個像素轉換為黑色或白色，中間地帶沒有。 在文字和背景對比度非常低的情況下，它可以提高OCR性能。

5. 轉為灰度：

   灰度過濾器將每個像素轉換為灰度。 雖然不大可能顯著提高OCR精度，但可能會提高速度。

6. 反轉：

   反轉過濾器顏色反轉—白色變成黑色，黑色變成白色。

7. 替換顏色：

   替換顏色過濾器將圖像中的特定顏色替換為另一種顏色，考慮一定閾值。

8. 對比度：

   對比度過濾器自動增加對比度。它通常能改善低對比度掃描中的OCR速度和準確性。

9. 膨脹和腐蝕：

   這些先進的形態過濾器會操作圖像中物件的邊界。

   • 膨脹增加像素到物件邊界。
   • 腐蝕從物件邊界移除像素。

10. 銳化：

    銳化過濾器會銳化模糊的OCR文件並將Alpha通道扁平化為白色。

11. 去噪：

    去噪過濾器去除數位噪聲。應用於預期噪聲的情況。

12. 深層清理背景噪聲：

    此重加噪聲去除過濾器只應在已知有極端文件背景噪聲時使用。 它可能會降低清潔文件的OCR準度且非常消耗CPU。

13. 提升解析度：

    增強解析度過濾器會提升低品質圖像的解析度。 由於自動解析度處理，通常不太需要。

以下是如何在C#中使用IronOCR應用過濾器的範例：

var ocr = new IronTesseract();
var input = new OcrInput();
input.LoadImage("sample.png");
input.Deskew();
var result = ocr.Read(input);
Console.WriteLine(result.Text);

var ocr = new IronTesseract();
var input = new OcrInput();
input.LoadImage("sample.png");
input.Deskew();
var result = ocr.Read(input);
Console.WriteLine(result.Text);

Dim ocr = New IronTesseract()
Dim input = New OcrInput()
input.LoadImage("sample.png")
input.Deskew()
Dim result = ocr.Read(input)
Console.WriteLine(result.Text)

常見的OCR應用

1. 文件數位化：OCR被廣泛用於將掃描的紙質文件（如發票、收據、表單和合同）轉換為數位格式。 此數位化過程簡化了文件的儲存、檢索和管理，減少了紙張雜亂並提高了效率。
2. 資料提取：OCR允許從掃描的文件、圖像和PDF中提取文字和資料。 這些提取資料可以用於自動資料輸入、內容分析、編目以及與資料庫或業務系統整合。
3. 影像文字辨識：OCR技術允許從列印的文件和圖像中提取文字以進行編目和搜索用途。 此功能被用於各種應用，包含擴增實境、基於圖像的搜索引擎和翻譯服務。
4. 自動車牌識別（ALPR）：ALPR系統使用OCR從由安裝在交通監控、停車管理、收費和執法應用的攝像機拍攝的圖像或影片流中讀取車牌號。
5. 可及性解決方案：OCR在為視障人士建立可存取內容方面起著至關重要的作用。 通過將圖像或文件中的文字轉換為語音或點字，OCR幫助資訊對於身心障礙人士的可達性。
6. 身份認證：OCR技術被用於身份認證過程中，例如掃描和處理身份文件如護照、駕照和身份證。 它協助驗證文件的真偽並提取相關資訊以供身份認證用途。
7. 銀行與金融：OCR用於銀行和金融，如閱讀支票、處理發票、將現有的PDF文件轉換、從財務報告中提取資料以及自動化基於文件的工作流程，以提高財務操作的準確性與效率。
8. 自動化翻譯：OCR技術整合進翻譯工具和語言學習應用中，用以將印刷文字從一種語言轉換為另一種語言。 使用者可以用他們的裝置捕捉文字，OCR協助將其即時翻譯成所需的語言。
9. 檔案及歷史文件保存：OCR被用於將檔案資料和歷史文獻數位化，以數位格式保存以便未來存取、研究和分析，同時確保珍貴文化遺產的保存。