IronOCR 和 AWS Textract OCR 之间的比较

文本识别的两种主要类型的OCR算法是模式匹配和特征提取。

模式匹配

在模式匹配过程中，字符图片或字形被隔离，并与之前记录的字形进行比较。

特征提取

通过特征提取过程，字形被分解为线条、闭合环、线段方向和线条交叉点等特征。

IronOCR是一个C# .NET库，提供扫描、搜索、读取图像和PDF的服务。 它配有125+全球语言包。 输出可以以文本、结构化数据或可搜索的PDF形式实现。 支持.NET版本如6、5、Core、Standard和Framework。

IronOCR独特之处在于其能够自动检测并从扫描不完全的图像和文档中提取数据。 'IronTesseract'类拥有最简便的API。 它提供了Tesseract在任何平台上的最先进构建，具有更高的速度、准确性和本地DLL及API。

IronOCR也可以从所有图像格式扫描条形码和QR码，并使用最新的Tesseract 5引擎读取文本和执行PDF扫描。

功能

• 它纯粹为.NET应用程序而设计。
• 它可以支持125种不同语言。 IronOCR支持阿拉伯语、中文、英语、芬兰语、法语、德语、日语和许多其他语言。
• 它可以矫正倾斜图像的位置，并去除图像的噪声以获得精确的输出。
• 它在低分辨率图像（低DPI）上表现出色。
• 它可以读取多种类型的QR码和条形码。
• 它还支持Gif和Tiff格式。
• 它允许多线程同时进行。 这是其他OCR库中不存在的一个出色功能。 它使过程更加流畅。
• 它可以轻松对PDF文件进行OCR处理，并使用OCR导出可搜索的PDF文档。

现在，让我们看看AWS OCR。

亚马逊的 AWS Textract 是一项机器学习 (ML) 服务，可以自动从扫描的文档中提取文本和数据。 它超越简单的 OCR，利用深度学习识别、理解和提取表格数据。

AWS OCR Textract 使用机器学习读取和处理文档，快速提取文本和数据，无需人工干预。 Textract 可快速提取数据，无需耗费数小时或数天。 此外，您可以通过Amazon增强人工智能（AI）添加人为审核，以监督模型并检查敏感数据。

功能

• 检测多种文档中的文本，包括财务报告、医疗记录、表格和纳税表单。
• 使用文档分析API从结构化数据的文档中提取文本、表单和表格数据。
• 使用Analyze Document API中的查询功能指定和提取文档中的信息。
• 使用Analyze Expense API处理发票和收据。
• 使用Analyze ID API处理政府签发的身份证件，例如驾照和护照。 - 可扩展的文档分析可以加速决策。
  1. 创建Visual Studio项目

文章的其余部分如下：

2. 安装IronOCR
3. 安装AWS OCR Textract
4. 安装 AWS OCR Textract
5. PDF 转文本
6. 图像转文本
7. 条形码和二维码转文本
8. 结论
9. 结论

IronOCR允许使用高级Tesseract识别和读取PDF文档格式中的文本。 下面的简单代码用于提取信息：

var Ocr = new IronTesseract();
using (var input = new OcrInput())
{
    input.AddPdf("example.pdf", "password");
    // We can also select specific PDF page numbers to OCR
    var Result = Ocr.Read(input);
    Console.WriteLine(Result.Text);
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // Read every page of the PDF
}

var Ocr = new IronTesseract();
using (var input = new OcrInput())
{
    input.AddPdf("example.pdf", "password");
    // We can also select specific PDF page numbers to OCR
    var Result = Ocr.Read(input);
    Console.WriteLine(Result.Text);
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // Read every page of the PDF
}

Dim Ocr = New IronTesseract()
Using input = New OcrInput()
	input.AddPdf("example.pdf", "password")
	' We can also select specific PDF page numbers to OCR
	Dim Result = Ocr.Read(input)
	Console.WriteLine(Result.Text)
	Console.WriteLine($"{Result.Pages.Count()} Pages")
	' Read every page of the PDF
End Using

代码简单、清晰，易于理解和使用。

输入PDF文件

示例 PDF

输出

IronOCR 输出

Amazon Textract使得在应用程序中添加文档文本检测和分析变得简单。 下面的代码用于读取PDF，并传入相同的PDF：

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new StartDocumentTextDetectionRequest();
    request.DocumentLocation = new DocumentLocation
    {
        S3Object = new S3Object
        {
            Bucket = "your_bucket_name",
            Name = "your_bucket_key"
        }
    };
    var id = await client.StartDocumentTextDetectionAsync(request);
    var jobId = id.JobId;
    var response = client.GetDocumentTextDetectionAsync(new GetDocumentTextDetectionRequest{
        JobId = jobId
    });
    response.Wait();
    if (response.Result.JobStatus.Equals("SUCCEEDED"))
    {
        foreach (var block in response.Result.Blocks)
        {
            if (block.BlockType == "WORD" || block.BlockType == "PAGE" || block.BlockType == "LINE")
            {
                Console.WriteLine(block.Text);
            }
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new StartDocumentTextDetectionRequest();
    request.DocumentLocation = new DocumentLocation
    {
        S3Object = new S3Object
        {
            Bucket = "your_bucket_name",
            Name = "your_bucket_key"
        }
    };
    var id = await client.StartDocumentTextDetectionAsync(request);
    var jobId = id.JobId;
    var response = client.GetDocumentTextDetectionAsync(new GetDocumentTextDetectionRequest{
        JobId = jobId
    });
    response.Wait();
    if (response.Result.JobStatus.Equals("SUCCEEDED"))
    {
        foreach (var block in response.Result.Blocks)
        {
            if (block.BlockType == "WORD" || block.BlockType == "PAGE" || block.BlockType == "LINE")
            {
                Console.WriteLine(block.Text);
            }
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

Public Shared Async Sub ReturnResult()
	Dim client As New AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1)
	Dim request = New StartDocumentTextDetectionRequest()
	request.DocumentLocation = New DocumentLocation With {
		.S3Object = New S3Object With {
			.Bucket = "your_bucket_name",
			.Name = "your_bucket_key"
		}
	}
	Dim id = Await client.StartDocumentTextDetectionAsync(request)
	Dim jobId = id.JobId
	Dim response = client.GetDocumentTextDetectionAsync(New GetDocumentTextDetectionRequest With {.JobId = jobId})
	response.Wait()
	If response.Result.JobStatus.Equals("SUCCEEDED") Then
		For Each block In response.Result.Blocks
			If block.BlockType = "WORD" OrElse block.BlockType = "PAGE" OrElse block.BlockType = "LINE" Then
				Console.WriteLine(block.Text)
			End If
		Next block
	End If
End Sub

Shared Sub Main(ByVal args() As String)
	ReturnResult()
End Sub

首先，我们必须创建一个包含3个参数的AmazonTextractClient对象：AccessKeyId、SecretAccessKey和区域。 然后我们必须使用StartDocumentTextDetectionRequest()方法启动请求。 请求对象然后使用存储桶名称和密钥设置DocumentLocation。 这个请求然后传递给StartDocumentTextDetectionAsync()方法。 由于这是一个异步方法，我们必须使用await关键字并使ReturnResult函数异步。 由于这是一个异步方法，我们必须使用await关键字并将ReturnResult函数设为异步。 jobId传递给GetDocumentTextDetectionAsync()方法，并等待SUCCEEDED响应。 使用foreach循环循环通过每个块，并检查它是"WORD"、"PAGE"还是"LINE"，然后输出文本识别。 最后，在Main方法中调用此方法以处理文档。 最后，在Main方法中调用此方法以进行文档处理。

输出

输出与IronOCR非常相似。

AWS Textract 输出

从图像中读取数据很棘手，因为图像的质量在提取信息时起着关键作用。

从图像中读取数据是棘手的，因为图像质量在提取信息时起着至关重要的作用。 这两个库都提供了提取文本的功能。 ### 5.1. 使用IronOCR

代码几乎与之前的代码相似。

在这里，AddPDF方法被AddImage方法替换。 在这里，AddPDF方法被AddImage方法替换。

var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddImage("test-files/redacted-employmentapp.png");
    //... you can add any number of images
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddImage("test-files/redacted-employmentapp.png");
    //... you can add any number of images
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

Dim Ocr = New IronTesseract()
Using Input = New OcrInput()
	Input.AddImage("test-files/redacted-employmentapp.png")
	'... you can add any number of images
	Dim Result = Ocr.Read(Input)
	Console.WriteLine(Result.Text)
End Using

输入图像

已编辑的员工数据

输出

图像输出

以下代码有助于检测图像中的文本：

同样，代码几乎与之前的代码相似。

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new DetectDocumentTextRequest();
    request.Document = new Document
    {
        Bytes = new MemoryStream(File.ReadAllBytes(@"test-files/redacted-employmentapp.png"))
    };    
    var result = await client.DetectDocumentTextAsync(request);
    foreach (var block in result.Blocks)
    {
        if (block.BlockType == "WORD")
        {
            Console.WriteLine(block.Text);
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new DetectDocumentTextRequest();
    request.Document = new Document
    {
        Bytes = new MemoryStream(File.ReadAllBytes(@"test-files/redacted-employmentapp.png"))
    };    
    var result = await client.DetectDocumentTextAsync(request);
    foreach (var block in result.Blocks)
    {
        if (block.BlockType == "WORD")
        {
            Console.WriteLine(block.Text);
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

Public Shared Async Sub ReturnResult()
	Dim client As New AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1)
	Dim request = New DetectDocumentTextRequest()
	request.Document = New Document With {.Bytes = New MemoryStream(File.ReadAllBytes("test-files/redacted-employmentapp.png"))}
	Dim result = Await client.DetectDocumentTextAsync(request)
	For Each block In result.Blocks
		If block.BlockType = "WORD" Then
			Console.WriteLine(block.Text)
		End If
	Next block
End Sub

Shared Sub Main(ByVal args() As String)
	ReturnResult()
End Sub

在这里，我们必须使用DetectDocumentTextRequest()方法启动请求。 在这里，我们需要使用DetectDocumentTextRequest()方法发起请求。 该请求然后传递给DetectDocumentTextAsync()方法。 然后，此请求被传递到DetectDocumentTextAsync()方法。 由于这是一个异步方法，我们必须使用await关键字并将ReturnResult函数设为异步。 使用foreach循环循环通过每个块，并检查它是否是"WORD"，然后输出文本识别。 foreach循环用于遍历每个块并检查是否为"WORD"，然后打印出文本识别。 最后，在Main方法中调用此方法以进行文档处理。