IronOCR 和 Dynamsoft OCR 之间的比较

这两组软件都提供了裁剪图像进行 OCR 的解决方案。

使用 IronOCR 读取裁剪区域

Iron 的 Tesseract OCR 分支擅长读取图像的特定区域，如下代码示例所示。

我们使用 System.Drawing.Rectangle 来描述图像要读取的确切像素区域。

当处理填写的标准化表格时，这可以非常方便，而只有部分内容会因情况而异。

扫描页面的一部分：我们使用 System.Drawing.Rectangle 来指定从文档中读取的区域，提高速度和准确性。

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr
Imports System.Drawing

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Create an instance of IronTesseract
		Dim ocr = New IronTesseract()

		Using input = New OcrInput()
			' Define content area of interest
			Dim contentArea = New Rectangle() With {
				.X = 215,
				.Y = 1250,
				.Height = 280,
				.Width = 1335
			}

			' Add the specific region to the input
			input.AddImage("img/ComSci.png", contentArea)

			' Perform OCR operation
			Dim result = ocr.Read(input)

			' Output recognized text to console
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

这导致速度提高了 41%，同时也使我们可以更具针对性。 这对于涉及可比较且一致的文档的 .NET OCR 应用程序极为重要，包括发票、收据、支票、表格、费用索赔等。

在读取 PDF 时，也支持 ContentAreas（OCR 裁剪）。

使用 Dynamsoft OCR 读取裁剪区域

首先，启动 Visual Studio 并创建一个新的 C# Windows 窗体应用程序，或打开现有的应用程序。 我们需要包含 DynamicDotNetTWAIN.dll, DynamicOCR.dll 和适当的语言包。

1. 导航到 Tools -> Choose Toolbox Items，然后转到 .NET Framework Components 选项卡，单击浏览按钮，找到 DynamicDotNetTWAIN.dll。

2. 右键单击解决方案资源管理器中的项目文件，选择 Add-> Existing Item... 然后从 OCR 资源目录添加必要的项目。

这是点击 LoadImage 按钮的代码：

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

Private Sub button1_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim filedlg As New OpenFileDialog()
	If filedlg.ShowDialog() = DialogResult.OK Then
		dynamicDotNetTwain1.LoadImage(filedlg.FileName)
		' Choose an image from your local disk and load it into Dynamic .NET TWAIN
	End If
End Sub

Private Sub dynamicDotNetTwain1_OnImageAreaSelected(ByVal sImageIndex As Short, ByVal left As Integer, ByVal top As Integer, ByVal right As Integer, ByVal bottom As Integer)
	dynamicDotNetTwain1.OCRTessDataPath = "../../"
	dynamicDotNetTwain1.OCRLanguage = "eng"
	Dim ocrResultFormat As OcrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text

	Dim sbytes() As Byte = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom)
	' OCR the selected area of the image

	If sbytes IsNot Nothing Then
		Dim filedlg As New SaveFileDialog()
		filedlg.Filter = "Text File(*.txt)| *.txt"
		If filedlg.ShowDialog() = DialogResult.OK Then
			Dim fs As FileStream = File.OpenWrite(filedlg.FileName)
			fs.Write(sbytes, 0, sbytes.Length)
			' Save the OCR result as a text file
			fs.Close()
		End If
		MessageBox.Show("OCR successful")
	Else
		MessageBox.Show(dynamicDotNetTwain1.ErrorString)
	End If
End Sub

这是应用程序的外观：

输入图像的质量是 OCR 任务速度的最关键决定因素。 背景噪音越低，dpi 越高，目标值约为 200 dpi，OCR 输出的速度和准确性越高。

用于 Dynamsoft OCR 的图像处理技术

我们需要在各种情况下使用 OCR，例如使用我们的手机扫描信用卡号码，或从纸质文档中提取文本。 Dynamsoft 标签识别 (DLR) 和 Dynamic Web TWAIN (DWT) 中包含 OCR 功能。

虽然它们在总体上可以做得很好，但我们可以通过各种图像处理技术来提高结果。

减轻/去除阴影

光照不良可能会影响 OCR 结果。 为了改善结果，我们可以美白图像或消除图像中的阴影。

Invert

由于 OCR 引擎通常针对深色文本进行训练，浅色文本可能更难被发现和识别。

我们可以更容易识别其颜色。

要进行反转，我们可以在 DLR 中使用 GrayscaleTransformationModes 参数。

这里是 JSON 设置：

"GrayscaleTransformationModes": [
    {
        "Mode": "DLR_GTM_INVERTED"
    }
]

DLR .net 的读取结果：

Rescale

如果字母高度太低，OCR 引擎可能不会产生好的结果。 一般而言，图像应具有至少 300 的 DPI。

DLR 1.1 中有一个 ScaleUpModes 参数，可以让您放大字母。 当然，我们也可以自己缩放图像。

直接读取图像会产生错误的结果：

将图像放大 x2 后，结果正确：

Deskew

如果文本有点扭曲，这没关系。 然而，如果它太倾斜，结果会受到负面影响。 为了改善结果，我们需要裁剪图像。

为此，我们可以使用 OpenCV 和 Python 中的 Hough Line Transform。

这是对上述图像去斜的代码：

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = 图像。fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = 图像。fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

检测到的线条：

去斜后：

用于 IronOCR 的图像处理技术

这里输入图像的质量并不重要，因为 IronOCR 擅长修复有缺陷的文件（虽然这需要时间，并会导致您的 OCR 作业消耗更多的 CPU 周期）。

选择具有较少数字噪声的输入图像格式，如 TIFF 或 PNG，与 JPEG 等有损图像格式相比，还可以获得更快的结果。

下面列出的图像过滤器可以显著提升性能：

• OcrInput.Rotate(double degrees) — 按顺时针旋转图像指定角度。 负整数用于逆时针旋转。
• OcrInput.Binarize() — 此图像过滤器将每个像素变为黑色或白色，没有中间状态。 在文本与背景对比度非常低的情况下，可能会提高 OCR 性能。
• OcrInput.ToGrayScale() — 此图像过滤器将每个像素转换为灰度色调。 这不太可能提高 OCR 准确性，但可能会提高速度。
• OcrInput.Contrast() — 自动增加对比度。在低对比度扫描中，此过滤器经常提高 OCR 的速度和准确性。
• OcrInput.DeNoise() — 该过滤器仅在预期有噪音时使用。
• OcrInput.Invert() — 反转所有颜色。 例如，白色变成黑色：黑色变成白色。
• OcrInput.Dilate() — 高级形态学。 扩张是在图像对象的边缘添加像素的过程。 (Inverse of Erode)
• OcrInput.Erode() — 高级形态学功能。 侵蚀是从对象的边缘移除像素的过程。 (Inverse of Dilate)
• OcrInput.Deskew() — 将图像旋转，使其正交并正确朝上。Tesseract 的倾斜扫描容忍度可能低至 5 度，这对 OCR 非常有用。
• DeepCleanBackgroundNoise() — 去除大量背景噪声。只有在文件中确实有大量背景噪声时才使用此过滤器，因为它会降低清晰文档上的 OCR 准确性，并且会消耗大量 CPU。
• OcrInput.EnhanceResolution — 改善低分辨率照片的分辨率。 由于 OcrInput，此过滤器很少使用。 OcrInput 将自动检测和解决低分辨率问题。

我们可能希望使用 IronTesseract 加速高质量扫描的 OCR。 如果我们追求速度，我们可以从这里开始，然后逐步开启特性，直到达到适当的平衡。

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim ocr = New IronTesseract()

' Configuration for speed tuning
		ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\"
		ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
		ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
		ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly
		ocr.Language = OcrLanguage.EnglishFast

		Using input = New OcrInput("img\Potter.tiff")
			Dim result = ocr.Read(input)
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

这一结果与基准100% 相比准确99.8%——但快了 35%。