Tesseract 詳細配置

VB C#

using IronOcr;
using System;

var ocrTesseract = new IronTesseract()
{
    Language = OcrLanguage.EnglishBest,
    Configuration = new TesseractConfiguration()
    {
        ReadBarCodes = false,
        RenderHocr = true,
        BlackListCharacters = "`ë|^",
        PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd,
    }
};

using var ocrInput = new OcrInput();
ocrInput.LoadImage(@"images\image.png");
var ocrResult = ocrTesseract.Read(ocrInput);
Console.WriteLine(ocrResult.Text);

Imports IronOcr
Imports System

Private ocrTesseract = New IronTesseract() With {
	.Language = OcrLanguage.EnglishBest,
	.Configuration = New TesseractConfiguration() With {
		.ReadBarCodes = False,
		.RenderHocr = True,
		.BlackListCharacters = "`ë|^",
		.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd
	}
}

Private ocrInput = New OcrInput()
ocrInput.LoadImage("images\image.png")
Dim ocrResult = ocrTesseract.Read(ocrInput)
Console.WriteLine(ocrResult.Text)

Install-Package IronOcr

Tesseract 詳細配置

在光學字符識別（OCR）方面，擁有如何處理和提取文檔文本的選擇和靈活性是必不可少的。由於執行OCR的成本很高，為了確保使用OCR的應用程序具有可擴展性和效率，有必要能夠控制特定文檔上的性能和使用方法。

IronTesseract為開發者提供了不同的屬性和選項來調整。例如，如果您想屏蔽某些字符，或者您也想要讀取文檔中的條形碼，甚至指導OCR引擎如何讀取頁面以掃描潛在的文本塊，所有這些以及更多功能都可以用IronTesseract類實現。

5-Step Guide to Using IronOCR with Tesseract 5

var ocrTesseract = new IronTesseract();
ocrTesseract.Language = OcrLanguage.EnglishBest;
ocrTesseract.Configuration.ReadBarCodes = false;
ocrTesseract.Configuration.BlackListCharacters = "`ë|^";
ocrTesseract.Configuration.TesseractVariables["tessedit_parallelize"] = false;

在初始化IronTesseract類後，有一些重要的選項我們希望立即修改。要配置的第一個屬性是Language。默認情況下，語言是英語；然而，IronTesseract支持多達125種語言，甚至允許在UseMultipleLanguages方法中使用多種語言。更多詳情，請參考這裡。

我們要配置的第二個屬性是TesseractConfiguration類。使用此類，我們可以修改Tesseract引擎如何掃描文檔以查找潛在的文本塊。

首先，我們通過將語言分配給OcrLanguage.EnglishBest來修改Tesseract引擎的語言。這種變化結合了LSTM和OEM，這些是使用OCR的形狀識別策略；結合這兩種策略可以使OCR產生更準確的結果。
之後，我們將ReadBarCodes設置為false，以避免在OCR過程中讀取條形碼。

我們還進一步自定義和指定要提取的字符，通過對文檔中的某些字符進行屏蔽；在本例中，我們屏蔽字符以避免提取帶有反引號、重音符或插入符的文本。最後，我們將TesseractVariables["tessedit_parallelize"]設置為false，以暫時禁用並行處理。這最後一個功能非常強大，因為它直接與Tesseract引擎對話。這裡是TesseractVariables的完整列表，允許開發者在執行OCR時進一步定制Tesseract引擎的行為。

探索更多IronTesseract配置選項