C＃和.NET 中的中文 OCR

Translated

View the article in English

此文件的其他版本：

IronOCR 是一個 C# 軟體組件，允許 .NET 程式設計師從圖像和 PDF 文檔中讀取 126 種語言的文本，包括中文。中文語言包包含了簡體中文和繁體中文字符。

它是 Tesseract 的高級分支，專為 .NET 開發者設計，無論是速度還是準確性都經常超越其他 Tesseract 引擎。該庫允許識別不同格式的圖片和文件，包括中文。它支持超過125種語言，並且與競爭對手相比提供了高水準的識別準確性。 IronOCR 的 API 設計考慮到了擴展性和可定制性。您可以通過將您的調校數據或功能添加到跟踪器中，幫助IronOCR實現高吞吐量和準確性。 IronOCR 使用多種光學字符識別技術。我們可以在Windows PC、Linux、macOS和其他著名平台上使用它。

IronOcr.Languages.Chinese

此套件包含 352 種 OCR 語言適用於 .NET：

ChineseSimplified
ChineseSimplifiedBest
ChineseSimplifiedFast

ChineseSimplifiedVertical
ChineseSimplifiedVerticalBest

ChineseSimplifiedVerticalFast
中文繁體
ChineseTraditionalBest
ChineseTraditionalFast

ChineseTraditionalVertical
ChineseTraditionalVerticalBest
ChineseTraditionalVerticalFast

下載

我們可以下載中文語言包。[中文(中文)]從以下連結：

下載為壓縮
安裝與 NuGet

使用 IronOCR 處理中文語言

建立或開啟一個 C# 專案

要開始使用IronOCR，我們需要建立一個C# .NET項目。我們正在使用 Visual Studio 2022 來進行這項工作。您可以根據您的需求選擇版本。建議使用最新版本的 Visual Studio 以獲得流暢的使用體驗。我們將創建一個 GUI 介面來選擇圖像。我們也可以在控制台應用程序中使用IronOCR，方法是提供圖片的直接路徑。按照以下步驟在 Visual Studio 2022 中建立一個 C# 專案：

打開 Visual Studio 2022。
按下「建立新專案」按鈕。
在搜尋欄中輸入「Windows」，從搜尋結果中選擇「Windows Form」應用程式，然後點擊「下一步」按鈕。
給專案取一個名字。我將此項目命名為“ChineseOCR”。在名稱後，點擊“下一步”按鈕。
在下一個畫面中選擇 .NET framework。根據您的項目需求選擇 .NET 框架。我們在本教程中選擇了 .NET 5.0 版本。
選擇後，點擊「創建」按鈕。它將輕鬆在 Visual Studio 中創建 C# Windows Form 項目。

該項目已創建，現在可以在IronOCR庫中使用。我們也可以使用已經存在的 C# 項目。打開專案並開始安裝 IronOCR 程式庫。以下部分將探討在C#項目中安裝IronOCR庫的方法。

安裝

使用 NuGet 套件管理器

要使用 NuGet 套件管理員安裝 IronOCR 庫，我們必須打開 NuGet 套件管理員介面。按照以下步驟安裝 IronOCR 函式庫：

在主選單中點擊「工具」，從下拉選單中懸停在「NuGet 套件管理器」上，然後選擇「管理解決方案的 NuGet 套件管理器」。
這將開啟 NuGet 包管理器介面。前往瀏覽標籤並搜索 IronOCR Chinese。從搜索結果中選擇合適的套件，然後點擊“安裝”按鈕以安裝。
將開始安裝該庫。安裝後，您將能夠在您的項目中使用 IronOCR 函式庫。

使用套件管理器控制台

使用控制台始終是一個簡單的選擇。我們也可以使用套件管理器控制台來安裝 IronOCR 庫。按照以下步驟安裝 IronOCR 函式庫：

在 Visual Studio 中打開套件管理器控制台。通常位於 Visual Studio 的底部。
在控制台中輸入以下命令：

Install-Package IronOCR.Languages.Chinese

您將在控制台中看到庫的安裝進度。它將自動安裝該庫。安裝後，我們的項目將準備使用 IronOCR 庫。

代碼示例：中文的OCR

現在，該為中文實現IronOCR庫編寫代碼了。首先，我們必須開發用於選擇圖像文件的前端。讓我們看看如何做到這一點。

開發前端

我们将使用“工具箱”元素来设计前端。我們將創建一個按鈕、一個圖片框、一個富文本框和兩個標籤。我們將從工具箱拖放這些元素，並將它們放置在窗體中。我們將以風格管理這些元素。

按鈕將用於從電腦選擇圖片文件。 PictureBox 將載入所選的圖片文件，而 Rich Textbox 將顯示輸出文字。您可以根據您的需求調整每個元素的大小。最終的前端設計將如此展現：

當您執行專案時，此視窗將彈出。我們已將窗口的對齊設置為屏幕中心。所以，這個畫面將會顯示在中央。

我們的前端已經準備好了。接下來，該為按鈕添加後端功能了。

後端代碼適用於IronOCR

首先我們必須導入 IronOCR 命名空間才能在我們的代碼中使用它。在文件的顶部写下以下行：

using IronOCR;

using IronOCR;

Imports IronOCR

VB C#

我們將使用「選擇圖片」按鈕來選擇圖片並將圖片加載到圖片框中。 IronOCR將處理簡體中文文字圖片，並在富文本框中顯示輸出文字。讓我們通過雙擊按鈕來添加按鈕的功能。將以下代碼行寫入以添加所描述的功能：

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

Ocr.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = Ocr.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

private void btn_image_Click(object sender, EventArgs e)
{
    OpenFileDialog open = new OpenFileDialog();
    if (open.ShowDialog() == DialogResult.OK)
    {
        // display image in picture box  
        img_image.Image = new Bitmap(open.FileName);

        var Ocr = new IronTesseract();

Ocr.Language = OcrLanguage.ChineseTraditional;

using (var Input = new OcrInput(open.FileName))
        {
            var Result = Ocr.Read(Input);

            txt_output.Text = Result.Text;
        }
    }
}

Private Sub btn_image_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim open As New OpenFileDialog()
	If open.ShowDialog() = DialogResult.OK Then
		' display image in picture box  
		img_image.Image = New Bitmap(open.FileName)

		Dim Ocr = New IronTesseract()

Ocr.Language = OcrLanguage.ChineseTraditional

Using Input = New OcrInput(open.FileName)
			Dim Result = Ocr.Read(Input)

			txt_output.Text = Result.Text
End Using
	End If
End Sub

VB C#

當用戶點擊按鈕時，將出現一個對話框來選擇圖片。當使用者選擇圖像時，它將自動加載到圖片框中。我们使用Bitmap来处理图像数据，在许多应用程序中这是非常关键的一部分。()**用於在圖片框中打印圖像。之後，IronOCR 將圖像轉換成中文文字。我們設定了 Ocr。將語言設定為ChineseTraditional來識別繁體中文字。 Ocr. read 函式將讀取過程並將 OCR 結果儲存在 Result 變數中。如果您需要將文本保存為PDF、文本或HTML格式，您將使用SaveAs功能將文件保存為您想要的任何輸出格式 — IronOCR支持多種輸出格式。

執行專案

現在該執行專案了。在 Visual Studio 中點擊“運行”按鈕。我們將在我們的屏幕上看到這個畫面。

點擊“選擇圖片”按鈕。它將打開“選擇檔案”對話框。選擇一個圖片檔案並按下 Enter 鍵。

它會將其載入圖片框，自動掃描圖像，並在文字框中顯示輸出。

這是我們選擇的圖片輸出結果。 IronOCR 也支持讀取和掃描 PDF 文件。我們可以使用 IronOCR 掃描和識別 PDF 文件的可編輯格式中的文字。這也可以用不同的語言來完成。 IronOCR 可以將現有的 PDF 文件轉化為可搜索的 PDF。 IronOCR擁有許多圖像過濾器，可使圖像清晰易懂。以下是過濾器：

Input.Binarize()
Input.Contrast()
Input.糾偏()
Input.DeNoise()
Input.Dilate()
Input.EnhanceResolution(300)

所有這些功能都增加了字符的可見性。 IronOCR 使用這些功能來清除並製作可搜尋的 PDF。讓我們來看看如何做到這一點：

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;
var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf")
    // clean up twisted pages
    Input.Deskew();
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

Imports IronOcr
Private Ocr = New IronTesseract()
Using Input = New OcrInput()
	Input.AddPdf("scan.pdf") Input.Deskew()
	Dim Result = Ocr.Read(Input)
	Result.SaveAsSearchablePdf("searchable.pdf")
End Using

VB C#

授權

IronOCR 在開發階段是免費的。您可以免费积极使用其所有功能。 IronOCR還提供了一個免費試用免費用於生產。 Iron Software 目前還提供一個受歡迎的交易 — 只需兩個產品的價格就可以獲得五個軟件產品的套裝。只需一次性支付兩個軟體產品的費用，您就可以獲得包括IronPDF和IronXL在內的全部五個產品。您可以從這裡找到更多資訊。連結關於授權。