发票 OCR 开源比较：寻找最佳工具

Tesseract OCR在C#中的功能和特性

在.NET应用程序中集成：将Tesseract OCR集成到C#项目中涉及使用Tesseract .NET SDK或封装器。 这提供了一种有效的方法在熟悉的.NET环境中结合OCR功能。

文本识别：Tesseract OCR擅长识别和从各种图像格式中提取文本。 它善于处理一系列文档类型，从扫描文档和PDF文件到在恶劣光照条件或角度下拍摄的图像。

多语言支持：Tesseract支持超过100种语言，使其在处理来自不同语言源的文本的全球应用中具有极大的灵活性。

定制和训练：Tesseract允许开发人员用新字体和语言训练引擎，提供适合特定业务需求或文档类型的定制OCR解决方案。

Emgu CV的优势

跨平台：Emgu CV可在支持.NET的任何平台上运行，包括iOS、Android、Mac OS、Linux和Windows。

跨语言：除了C#，Emgu CV还可以在VB.NET、C++和IronPython中访问，具有广泛的示例代码和强大的文档支持。

At9T的功能

用户友好的界面：界面设计易于使用，即使那些没有经验的人也能轻松导航。

多语言支持：支持多种语言，包括英语、荷兰语、日语、韩语等。

批量处理：能够同时处理多个文件，节省从多份文件中提取数据时的时间。

IronOCR 的主要功能

输入灵活性：处理各种格式，如图像（JPG、PNG、BMP）、多页/帧文件（TIFF、GIF）、System.Drawing对象、流和优化DPI的PDF。

高级过滤器：提供用于图像校正（锐化、分辨率增强等）和颜色校正的滤镜，以确保在OCR之前获得最佳质量。

区域选择：允许使用CropRectangle选择特定文档区域进行OCR。

数据输出：提供以.NET文本字符串、条形码、QR数据和图像形式的数据输出。

结构化数据：按页、块、段落、行、词和字符输出结构化数据。

文档导出：可以导出为可搜索的PDF、HTML或图像。

文本突出和保存：具备在各种粒度上突出和保存文本的功能。

语言和框架：支持C#、VB.NET、F#，并与各种.NET框架兼容。

操作系统：兼容Windows、macOS、Linux、Docker、Azure和AWS。

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

示例

以下是使用IronOCR从发票中提取数据的示例代码片段：

// 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

从发票图像中提取的输出数据如下所示：

后续数据分析可以将这些识别的数据转换为如CSV的格式以便于处理。