光學字元識別(OCR) 現在是文件處理中不可或缺的技術，尤其是針對發票。 它已顯著演變，影響著從教育到工業的各個領域。 OCR軟體減少了手動資料輸入的需求，開發者可以利用多種發票OCR API來開發發票處理的軟體應用程式。

在本文中，我們將探索三個開源的C#發票OCR軟體和程式庫。 我們還將討論IronOCR，這是尋求在C#專案中實現高級OCR功能的開發者的高檔選擇。

Tesseract OCR

Tesseract OCR最初由惠普開發，現在由Google維護，是一個強大的開源OCR引擎。它能夠處理各類文件並將其轉換為可用資料。 支援多種語言，對於全球業務來說，是一項重要資源。

C#開發者發現Tesseract OCR特別有用，因為它在資料提取中的多功能性和準確性。 通過將Tesseract整合到軟體應用中，開發者可以有效地處理發票，提取相關資訊，如訂購單和稅額。 提取的資料隨後可以用來識別PDF發票中的發票號碼和項目。

Capabilities and Features of Tesseract OCR in C#

**在.NET應用中的整合：**將Tesseract OCR整合到C#專案中涉及使用Tesseract .NET SDK或包裝器。 這提供了一種有效的方法，可以在熟悉的.NET環境中整合OCR功能。

**文字識別：**Tesseract OCR擅長從多種影像格式中識別和提取文字。 它能夠處理從掃描文件和PDF文件到在不利照明條件或角度下拍攝的影像等一系列文件型別。

**多語言支援：**Tesseract支援超過100種語言，這使其對於處理來自不同語言來源的文字之全球應用極具多樣性。

**自訂和訓練：**Tesseract允許開發者用新字體和語言訓練引擎，提供適合特定商業需求或文件型別的OCR解決方案。

Emgu CV

Emgu CV C#是OpenCV函式庫的.NET封裝，讓開發者能輕鬆在C#專案中使用OpenCV的功能。 它提供了一個豐富的圖像處理和計算機視覺工具箱，在處理發票以提取結構資料方面非常有用。

Emgu CV利用Tesseract OCR引擎從影像和文件中提取文字，這是準確資料提取自發票的重要步驟。 主要使用的方法是Tesseract.Recognize()，這將影像文字轉換為可編輯和可搜尋的資料。

Emgu CV的優勢

**跨平台：**Emgu CV在支援.NET的任何平台上運行，包括iOS, Android, Mac OS, Linux, 和Windows。

**跨語言：**除了C#之外，Emgu CV還能在幾種語言中使用，包括VB.NET, C++, 和IronPython，並具備廣泛的範例程式碼和強大的文件支援。

At9T

At9T，又名(a9t9)，提供一個免費的OCR軟體應用，使用易於使用的圖形介面從PDF和影像中提取資料。 完全用C#編寫，提供了一種輕鬆的方法將PDF轉換為可搜尋的文件。

其直觀的圖形使用者介面擴大了其對不僅僅是開發人員的吸引力，適合使用簡單、一鍵解決方案的使用者。 適合個人和專業使用，能有效處理各種OCR任務。 使用者可以上傳PDF發票並通過一個簡單的按鈕提取資料，如發票日期、條目和總計。

At9T的功能

**使用者友好的介面：**介面設計簡單，即便沒有經驗的使用者也能輕鬆使用。

**多語言支援：**支援多種語言，包括英語、荷蘭語、日語、韓語等等。

**批量處理：**能夠同時處理多個文件，節省從多個文件中提取資料的時間。

介紹IronOCR：高級OCR解決方案

如本文所述，像Tesseract和Emgu CV這樣的開源選擇如果沒有其他組件（如包裝器或OpenCV的事先了解）則很難整合。此外，At9T可能不適合處理複雜的文件。

為了克服這些挑戰，IronOCR提供了一個高級替代方案。作為一個.NET程式庫，它憑藉額外的功能擴展了Tesseract 5引擎的功能，且易於整合到.NET專案中。

IronOCR支持多種文件格式，包括PDFs, PNG, JPG, BMP, 等。它在許多.NET框架和平台上運行，包括Windows和macOS，並支持超過125種語言的OCR，使其成為全球性的OCR產品。 它採用了機器學習以實現卓越的文字識別。

IronOCR的關鍵功能

**輸入靈活性：**處理多種格式如影像（JPG, PNG, BMP）, 多頁面/框架文件（TIFF, GIF）, System.Drawing 物件, 流, 和優化DPI的PDF。

**高級過濾器：**提供影像校正（銳化，解析度增強等）和顏色校正的濾鏡，以確保OCR之前的最佳品質。

**區域選擇：**允許使用CropRectangle選擇文件的特定區域進行OCR。

**資料輸出：**提供資料輸出為.NET文字字串、條碼、QR資料和影像。

**結構化資料：**按頁面、塊、段落、行、詞和字元輸出結構化資料。

**文件導出：**可以導出為可搜尋的PDF、HTML或影像。

**文字突出顯示和保存：**具有以不同粒度突出顯示和保存文字的功能。

**語言和框架：**支持C#, VB.NET, F#，並與各種.NET框架相容。

**操作系統：**與Windows, macOS, Linux, Docker, Azure和AWS相容。

**IDE支持：**完全支持Microsoft Visual Studio和JetBrains ReSharper及Rider。

範例

下面是一個使用IronOCR從發票中提取資料的範例程式碼片段：

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

// Create an instance of IronTesseract
var tesseract = new IronTesseract();

// Create an OcrInput object
using (var input = new OcrInput("sample_invoice.png")) // Pass the image path directly to constructor
{
    // Read and store OcrResults object
    var result = tesseract.Read(input);

    // Get all text from the OCR result
    string allText = result.Text;

    // Print the extracted text to the console
    Console.WriteLine(allText);
}

' Create an instance of IronTesseract
Dim tesseract = New IronTesseract()

' Create an OcrInput object
Using input = New OcrInput("sample_invoice.png") ' Pass the image path directly to constructor
	' Read and store OcrResults object
	Dim result = tesseract.Read(input)

	' Get all text from the OCR result
	Dim allText As String = result.Text

	' Print the extracted text to the console
	Console.WriteLine(allText)
End Using

' Create an instance of IronTesseract
Dim tesseract = New IronTesseract()

' Create an OcrInput object
Using input = New OcrInput("sample_invoice.png") ' Pass the image path directly to constructor
	' Read and store OcrResults object
	Dim result = tesseract.Read(input)

	' Get all text from the OCR result
	Dim allText As String = result.Text

	' Print the extracted text to the console
	Console.WriteLine(allText)
End Using

從發票影像中提取的輸出資料如下所示：

後續的資料分析可以將這些識別的資料轉換為如CSV之類的格式，以便更輕鬆地處理。

結論

總之，在實施OCR技術以從影像或文件中提取文字時，有多種選擇。Tesseract OCR, Emgu CV和At9T是可行的開源工具，各有獨特的優勢。

若需求需要更高的精度，特別是在發票OCR中，IronOCR提供了一個強大的解決方案，授權選項起價為$999。

無論是想為專案新增文字閱讀功能的程式設計師還是希望改善文件管理的企業，選擇的工具應符合具體需求——在考慮免費選項和更高級諸如IronOCR解決方案之下。