使用IronOCR在 C# 中將文字高亮顯示為圖像

輸入的PDF檔案是什麼樣的？

如何實現高亮顯示代碼？

下面的範例程式碼示範了使用OcrInput 類別的基本實作。

:path=/static-assets/ocr/content-code-examples/how-to/highlight-texts-as-images.cs

using IronOcr;

IronTesseract ocrTesseract = new IronTesseract();

using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_page_", ResultHighlightType.Paragraph);

輸出影像顯示了什麼？

如上圖所示，所有三個段落都以淺紅色方框突出顯示。 這種視覺化表示有助於開發人員快速識別 OCR 引擎如何將文件分割成可讀區塊。

ResultHighlightType 有哪些不同的選項？

上面的範例使用 ResultHighlightType.Paragraph 來反白顯示文字區塊。 IronOCR透過此枚舉提供額外的突出顯示選項。 以下是所有可用類型的完整列表，每種類型都有不同的診斷用途。

字元：在 OCR 引擎偵測到的每個字元周圍繪製一個邊界框。這對於偵錯字元辨識或特殊字體非常有用，尤其是在處理自訂語言檔案時。

單字：高亮顯示引擎辨識出的每個完整單字。非常適合驗證單字邊界和正確識別單字，尤其是在將條碼和二維碼讀取與文字辨識結合使用時。

行：高亮顯示偵測到的每一行文字。適用於需要進行行識別驗證的複雜佈局文檔，例如處理掃描文檔時。

段落：高亮顯示以段落形式分組的整個文字區塊。非常適合了解文件佈局和驗證文字區塊分割，在處理表格提取時尤其有用。

如何比較不同的高亮類型？

這個全面的範例示範如何為同一文件中的所有不同類型產生高亮顯示，以便您可以比較結果：

using IronOcr;
using System;

// Initialize the OCR engine with custom configuration
IronTesseract ocrTesseract = new IronTesseract();

// Configure for better accuracy if needed
ocrTesseract.Configuration.ReadBarCodes = false; // Disable if not needed for performance
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the PDF document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");

// Generate highlights for each type
Console.WriteLine("Generating character-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_character_", ResultHighlightType.Character);

Console.WriteLine("Generating word-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_word_", ResultHighlightType.Word);

Console.WriteLine("Generating line-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_line_", ResultHighlightType.Line);

Console.WriteLine("Generating paragraph-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_paragraph_", ResultHighlightType.Paragraph);

Console.WriteLine("All highlight images have been generated successfully!");

using IronOcr;
using System;

// Initialize the OCR engine with custom configuration
IronTesseract ocrTesseract = new IronTesseract();

// Configure for better accuracy if needed
ocrTesseract.Configuration.ReadBarCodes = false; // Disable if not needed for performance
ocrTesseract.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.AutoOsd;

// Load the PDF document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("document.pdf");

// Generate highlights for each type
Console.WriteLine("Generating character-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_character_", ResultHighlightType.Character);

Console.WriteLine("Generating word-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_word_", ResultHighlightType.Word);

Console.WriteLine("Generating line-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_line_", ResultHighlightType.Line);

Console.WriteLine("Generating paragraph-level highlights...");
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_paragraph_", ResultHighlightType.Paragraph);

Console.WriteLine("All highlight images have been generated successfully!");

如何處理多頁文件？

處理多頁 PDF或多訊框 TIFF 檔案時，高亮顯示功能會自動單獨處理每一頁。 這在實施PDF OCR 文字擷取工作流程時尤其有用：

using IronOcr;
using System.IO;

IronTesseract ocrTesseract = new IronTesseract();

// Load a multi-page document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("multi-page-document.pdf");

// Create output directory if it doesn't exist
string outputDir = "highlighted_pages";
Directory.CreateDirectory(outputDir);

// Generate highlights for each page
// Files will be named: highlighted_pages/page_0.png, page_1.png, etc.
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, 
    Path.Combine(outputDir, "page_"), 
    ResultHighlightType.Word);

// Count generated files for verification
int pageCount = Directory.GetFiles(outputDir, "page_*.png").Length;
Console.WriteLine($"Generated {pageCount} highlighted page images");

using IronOcr;
using System.IO;

IronTesseract ocrTesseract = new IronTesseract();

// Load a multi-page document
using var ocrInput = new OcrInput();
ocrInput.LoadPdf("multi-page-document.pdf");

// Create output directory if it doesn't exist
string outputDir = "highlighted_pages";
Directory.CreateDirectory(outputDir);

// Generate highlights for each page
// Files will be named: highlighted_pages/page_0.png, page_1.png, etc.
ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, 
    Path.Combine(outputDir, "page_"), 
    ResultHighlightType.Word);

// Count generated files for verification
int pageCount = Directory.GetFiles(outputDir, "page_*.png").Length;
Console.WriteLine($"Generated {pageCount} highlighted page images");

績效最佳實務有哪些？

使用高亮顯示功能時，請遵循以下最佳實務：

1.文件大小：突出顯示的圖像可能很大，尤其是高解析度文件。 處理大量資料時，請考慮輸出目錄的可用空間。 有關優化技巧，請參閱我們的快速 OCR 設定指南。

2.效能：產生高光片段會增加處理開銷。 對於僅偶爾需要高亮顯示的生產系統，應將其作為單獨的診斷流程來實現，而不是作為主要工作流程的一部分。 考慮使用多執行緒OCR進行批次處理。

3.錯誤處理：在進行文件操作時，請務必實現適當的錯誤處理：

try
{
    using var ocrInput = new OcrInput();
    ocrInput.LoadPdf("document.pdf");

    // Apply image filters if needed for better recognition
    ocrInput.Deskew(); // Correct slight rotations
    ocrInput.DeNoise(); // Remove background noise

    ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_", ResultHighlightType.Word);
}
catch (Exception ex)
{
    Console.WriteLine($"Error during highlighting: {ex.Message}");
    // Log error details for debugging
}

try
{
    using var ocrInput = new OcrInput();
    ocrInput.LoadPdf("document.pdf");

    // Apply image filters if needed for better recognition
    ocrInput.Deskew(); // Correct slight rotations
    ocrInput.DeNoise(); // Remove background noise

    ocrInput.HighlightTextAndSaveAsImages(ocrTesseract, "highlight_", ResultHighlightType.Word);
}
catch (Exception ex)
{
    Console.WriteLine($"Error during highlighting: {ex.Message}");
    // Log error details for debugging
}

高亮顯示如何與 OCR 結果整合？

高亮顯示功能與 IronOCR 的結果物件無縫協作，讓您可以將視覺高亮顯示與擷取的文字資料關聯起來。 當您需要 track OCR progress 或驗證已識別文字的特定部分時，這將特別有用。 OcrResult 類別提供有關每個檢測到的元素的詳細信息，這與此方法生成的視覺高亮顯示直接對應。

如果我遇到問題怎麼辦？

如果高亮顯示功能出現問題，請查閱常規故障排除指南以取得常見解決方案。 針對具體的高亮顯示相關問題：

-空白輸出影像：請確保輸入文件包含可讀文本，並且 OCR 引擎已針對您的文件類型正確配置。 您可能需要套用影像最佳化濾鏡或 fixing image orientation 來提高辨識率。 -缺少高亮顯示：某些文件類型可能需要特定的預處理。 嘗試套用影像濾鏡或fixing image orientation來提高辨識率。 -效能問題：對於大型文檔，請考慮實作 multithreading 以提高處理速度。 此外，如果處理的是品質較差的輸入文件，請參考我們關於修復低品質掃描件的指南。

我該如何將其用於生產環境調試？

高亮顯示功能是絕佳的生產除錯工具。 如果與用於長時間運行操作和逾時的中止令牌集成，則可以建立一個強大的診斷系統。 考慮在應用程式中實現調試模式：

public class OcrDebugger
{
    private readonly IronTesseract _tesseract;
    private readonly bool _debugMode;

    public OcrDebugger(bool enableDebugMode = false)
    {
        _tesseract = new IronTesseract();
        _debugMode = enableDebugMode;
    }

    public OcrResult ProcessDocument(string filePath)
    {
        using var input = new OcrInput();
        input.LoadPdf(filePath);

        // Apply preprocessing
        input.Deskew();
        input.DeNoise();

        // Generate debug highlights if in debug mode
        if (_debugMode)
        {
            string debugPath = $"debug_{Path.GetFileNameWithoutExtension(filePath)}_";
            input.HighlightTextAndSaveAsImages(_tesseract, debugPath, ResultHighlightType.Word);
        }

        // Perform actual OCR
        return _tesseract.Read(input);
    }
}

public class OcrDebugger
{
    private readonly IronTesseract _tesseract;
    private readonly bool _debugMode;

    public OcrDebugger(bool enableDebugMode = false)
    {
        _tesseract = new IronTesseract();
        _debugMode = enableDebugMode;
    }

    public OcrResult ProcessDocument(string filePath)
    {
        using var input = new OcrInput();
        input.LoadPdf(filePath);

        // Apply preprocessing
        input.Deskew();
        input.DeNoise();

        // Generate debug highlights if in debug mode
        if (_debugMode)
        {
            string debugPath = $"debug_{Path.GetFileNameWithoutExtension(filePath)}_";
            input.HighlightTextAndSaveAsImages(_tesseract, debugPath, ResultHighlightType.Word);
        }

        // Perform actual OCR
        return _tesseract.Read(input);
    }
}

接下來我該去哪裡？

現在您已經了解如何使用高亮功能，請探索：

• 根據 OCR 結果建立可搜尋的 PDF 文件 -閱讀特定類型的文件，例如護照或駕照
• 依照我們的入門指南，在您的開發環境中設定IronOCR。
• 為全球應用程式實現 125 種國際語言支持
• 使用濾鏡精靈優化影像處理

用於生產環境時，請務必取得許可證以移除浮水印並使用全部功能。