如何在 C# 教學中從發票中提取文本

如何使用Tesseract進行收據OCR

1. 安裝使用Tesseract的C#庫進行收據OCR
2. 探索功能豐富的C#庫，用於對收據執行OCR
3. 使用Tesseract從收據中提取數據
4. 在提取的文本結果中搜索特定數據
5. 讀取輸入收據圖像上的條碼值

1. IronOCR，一個光學字符識別API

IronOCR是一個OCR庫，可用於從圖像中識別文本數據，用於信息提取，包括收據OCR。 它是基於Tesseract OCR引擎構建的，該引擎被認為是目前可用的最準確的收據識別OCR引擎之一。 IronOCR可以從不同類型的文件中讀取關鍵信息，包括PNG、JPG、TIFF、JSON和PDF格式，並且可以識別多種語言的文本。

IronOCR的一個關鍵功能，使其特別適用於收據OCR，是它能夠自動檢測文字方向，即使圖像被旋轉或歪斜。 這對於收據上傳和數據提取的準確文本識別至關重要，因為收據通常包含大量信息，可能會折疊或皺摺，導致文本變形。

2. IronOCR 功能

• C# OCR使用深度學習掃描和識別來自圖片、掃描文檔和PDF的文本。
• .NET OCR支持超過125種全球語言。
• IronOCR可以從多種文件格式的圖像中讀取文本，包括PNG、JPG、TIFF和PDF。
• Text, structured data, JSON output, or searchable PDFs can be produced from extracted information.
• IronOCR支持.NET版本5、6和7（Core、Framework和Standard）。
• IronOCR根據文本區域將輸入分成不同的圖像。 它使用計算機視覺來識別包含文本元素的區域。

3. 在Visual Studio中創建新項目

打開 Visual Studio 並轉到文件菜單。 選擇“新項目”，然後選擇控制台應用程式。

輸入專案名稱並在適當的文本框中選擇路徑。 然後，點擊創建按鈕。 選擇所需的.NET Framework，如下圖所示：

現在將生成控制台應用程式的項目結構。 完成後，會打開Program.cs文件，您可以在其中撰寫和執行源代碼。

4. 安裝IronOCR

在Visual Studio中，您可以輕鬆地將IronOCR集成到您的C#項目中。 IronOCR提供多種方式來與C# .NET項目集成。 在這裡，我們將討論其中之一：使用NuGet程序包管理器安裝IronOCR。

在Visual Studio中，轉到工具 > NuGet程序包管理器 > 程序包管理器控制台

Visual Studio窗口底部將出現一個新控制台。 在控制台中鍵入以下命令，然後按下回車鍵。

Install-Package IronOcr

IronOCR將在幾秒鐘內安裝完成。

5. 使用IronOCR從收據中提取數據

IronOCR是一個強大的OCR庫，可以用於從收據中提取和訪問詳細數據。使用IronOCR，您可以將收據的圖片轉換為機器可讀文本，這些文本可以輕鬆分析和處理，而不會損害數據隱私。

這裡有一個使用IronOCR從收據中提取文本的示例：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Read the OCR result
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;

            // Output the recognized text to the console
            Console.WriteLine(recognizedText);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Read the OCR result
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;

            // Output the recognized text to the console
            Console.WriteLine(recognizedText);
        }
    }
}

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract As New IronTesseract()

		' Load the receipt image
		Using ocrInput As New OcrInput("ocr.png")
			' Read the OCR result
			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)
			Dim recognizedText As String = ocrResult.Text

			' Output the recognized text to the console
			Console.WriteLine(recognizedText)
		End Using
	End Sub
End Class

請參閱從圖像中讀取文本教程以獲取有關IronOCR如何使用C#讀取圖像中文本的更多詳情。

上述代碼的輸出：

- LOGO SHOP
- LOREM IPSUM
- DOLOR SIT AMET CONSECTETUR
- ADIPISCING ELIT
- 1 LOREM IPSUM $3.20
- 2 ORNARE MALESUADA $9.50
- 3 PORTA FERMENTUM $5.90
- 4 SODALES ARCU $6.00
- 5 ELEIFEND $9.00
- 6 SEM NISIMASSA $0.50
- 7 DUIS FAMES DIS $7.60
- 8 FACILISI RISUS $810
- TOTAL AMOUNT $49.80
- CASH $50.00

6. 使用IronOCR從收據圖像中提取特定數據

IronOCR允許開發人員從掃描的收據中檢索重要信息，如稅額和商戶名稱。

這裡提供了一個示例，演示如何從收據圖像中提取總金額值：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Set the language for OCR
        ocrTesseract.Language = OcrLanguage.English;

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Optimize the input image for OCR
            ocrInput.DeNoise(true);
            ocrInput.Contrast();
            ocrInput.EnhanceResolution();
            ocrInput.ToGrayScale();

            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Search for the total amount in the OCR result
            var totalAmount = ocrResult.Text.Contains("Total:") ? ocrResult.Text.Split("Total:")[1].Split("\n")[0] : "";
            Console.WriteLine("Total Amount: " + totalAmount);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Set the language for OCR
        ocrTesseract.Language = OcrLanguage.English;

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Optimize the input image for OCR
            ocrInput.DeNoise(true);
            ocrInput.Contrast();
            ocrInput.EnhanceResolution();
            ocrInput.ToGrayScale();

            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Search for the total amount in the OCR result
            var totalAmount = ocrResult.Text.Contains("Total:") ? ocrResult.Text.Split("Total:")[1].Split("\n")[0] : "";
            Console.WriteLine("Total Amount: " + totalAmount);
        }
    }
}

Imports Microsoft.VisualBasic
Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract As New IronTesseract()

		' Set the language for OCR
		ocrTesseract.Language = OcrLanguage.English

		' Load the receipt image
		Using ocrInput As New OcrInput("ocr.png")
			' Optimize the input image for OCR
			ocrInput.DeNoise(True)
			ocrInput.Contrast()
			ocrInput.EnhanceResolution()
			ocrInput.ToGrayScale()

			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)

			' Search for the total amount in the OCR result
			Dim totalAmount = If(ocrResult.Text.Contains("Total:"), ocrResult.Text.Split("Total:")(1).Split(vbLf)(0), "")
			Console.WriteLine("Total Amount: " & totalAmount)
		End Using
	End Sub
End Class

感謝OcrInput 類提供的多種設置，可以針對OCR流程更好地優化輸入圖像。

- Total 16.5

7. 在收據上讀取條碼

可使用IronOCR來讀取收據上的條碼以及文本。 To read barcodes on receipts, you will need to use the BarcodeReader class in combination with the ReadBarCodes method.

這裡有一個讀取條碼的示例：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;

        // Load the receipt image with a barcode
        using (var ocrInput = new OcrInput("b.png"))
        {
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Output the barcode values to the console
            foreach (var barcode in ocrResult.Barcodes)
            {
                Console.WriteLine(barcode.Value);
            }
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;

        // Load the receipt image with a barcode
        using (var ocrInput = new OcrInput("b.png"))
        {
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Output the barcode values to the console
            foreach (var barcode in ocrResult.Barcodes)
            {
                Console.WriteLine(barcode.Value);
            }
        }
    }
}

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract = New IronTesseract()
		ocrTesseract.Configuration.ReadBarCodes = True

		' Load the receipt image with a barcode
		Using ocrInput As New OcrInput("b.png")
			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)

			' Output the barcode values to the console
			For Each barcode In ocrResult.Barcodes
				Console.WriteLine(barcode.Value)
			Next barcode
		End Using
	End Sub
End Class