Tesseract 詳細設定

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 詳細設定

在 OCR 領域，針對文件內容的處理與文字擷取方式，具備多元選擇與靈活性至關重要。由於執行 OCR 成本高昂，因此必須能夠針對特定文件控制執行效能與使用方法，以確保採用 OCR 的應用程式具備可擴展性與高效能。

IronTesseract 為開發人員提供了各種屬性與選項，供其自由調整。舉例來說，若您想將特定字元加入黑名單、讀取文件內的 BARCODE，甚至指定 OCR 引擎如何解析頁面以掃描潛在的文字區塊，這些功能以及更多功能，皆可透過 IronTesseract 類別實現。

使用 IronOCR 與 `Tesseract` 5 的 5 步驟指南

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 類別後，有幾個重要的選項可立即使用，我們建議對其進行調整。第一個需要設定的屬性是 Language。預設語言為英文；然而，IronTesseract 支援多達 125 種語言，甚至可透過 UseMultipleLanguages 方法處理多種語言。更多詳細資訊，請參閱此處。

我們要配置的第二個屬性是 TesseractConfiguration 類別。透過此類別，我們可以調整 Tesseract 引擎掃描文件以識別潛在文字區塊的方式。

首先，我們透過將語言指派給 OcrLanguage.EnglishBest 來修改 Tesseract Engine 的語言設定。此變體結合了 LSTM 與 OEM，這兩者是利用 OCR 的形狀識別策略；結合這兩種策略，可讓 OCR 產生更準確的結果。
隨後，我們將 ReadBarCodes 設為 false，以避免在 OCR 過程中讀取 BARCODE。

我們還可透過將文件中的特定字元加入黑名單，進一步自訂並指定欲擷取的字元；在此範例中，我們將特定字元加入黑名單，以避免擷取包含反引號、重音符號或插入符號的文字。最後，我們將 TesseractVariables["tessedit_parallelize"] 設為 false，暫時停用並行處理功能。這項功能非常強大，因為它能直接與 Tesseract 引擎進行互動。以下是 TesseractVariables 的完整清單，開發人員可藉此在執行 OCR 時進一步自訂 Tesseract 引擎的行為。

探索更多 IronTesseract 設定選項