发票OCR开源（免费和付费工具比较）

简介

光学字符识别 (光学字符识别) 是目前处理发票等文档最重要的技术。从教育到行业层面，它已发展到业务的方方面面。在任何地方，你都可以看到 OCR 软件的使用，因为它减少了人工数据录入的使用。开发人员可以使用多种类型的发票 OCR API 构建 OCR 软件应用程序来处理发票。

在本文中，我们将探讨三种用于发票处理和其他 OCR 流程的 C# Invoice OCR 开源软件和库。我们将讨论 IronOCR也是 (与他们分离)是开发人员在 C# 项目中集成高级 OCR 功能的最佳选择。让我们从开源选项开始。

Tesseract OCR

Tesseract OCR 最初由惠普公司开发，现在由谷歌负责维护，是一款功能强大的开源 OCR 引擎。它能够读取多种文档类型，并将其转换为可用数据。它支持多种语言，是全球企业的宝贵资源。

C# 开发人员发现 Tesseract OCR 因其多功能性和提取准确性而异常有用。通过将 Tesseract 纳入软件应用程序，开发人员可以高效地处理新发票，并提取数据和相关信息，如采购订单和税额。我们可以使用提取的数据从 PDF 发票中提取发票号码和项目。

C&num 中 Tesseract OCR 的能力和功能；

在.NET应用程序中集成：在 C# 项目中，集成 Tesseract OCR 需要利用 Tesseract .NET SDK 或包装器，它提供了一种集成 OCR 功能的简化方法。通过集成，开发人员可以在他们熟悉的.NET环境中工作，确保开发过程顺利进行。

文本识别：Tesseract OCR 擅长从各种图像格式中识别和提取文本。它善于处理各种文档类型，从扫描文档和 PDF 文件到在不同光线条件或角度下捕获的图像。

支持多种语言：Tesseract 的一大优势是支持 100 多种语言。这使它成为一个非常通用的工具，适用于需要处理和分析来自不同语言源的文本数据的全球应用。

定制和培训：Tesseract 允许开发人员使用新字体和语言对引擎进行培训，从而提供适合特定业务需求或文档类型的定制 OCR 解决方案。该功能尤其适用于识别专业文档或不常用字体中的文本。

Emgu 简历

埃姆古简历 C# 是 OpenCV 库的 .NET 封装程序。它可帮助开发人员在其 C# 项目中轻松使用 OpenCV 的功能。它为图像处理、计算机视觉和其他相关领域提供了丰富的工具包。它对于处理发票以提取结构化数据非常有用。

它利用 Tesseract OCR 引擎从图像和文档中提取文本。这一步要求准确，因为它是从任何发票中提取数据的主要步骤。该封装器的主要方法是 Tesseract.Recognize() 因为它能将图像文本转换为可编辑和可搜索的数据。开发人员可以提高发票处理工作流程的效率。

Emgu 简历的优势

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

跨语言：除 C# 外，Emgu CV 还可使用多种语言，包括 VB.NET、C++ 和 IronPython。它通过文档提供了大量示例代码和强大的支持。

At9T

At9T又称 (a9t9)提供免费的 OCR (光学字符识别) 软件应用程序。该软件可使用精美的图形用户界面从 PDF 和图像中提取数据 (图形用户界面).它完全由 C# 语言编写。它提供了一种非常简单易用的方法，利用其智能文档处理功能将 PDF 转换为可搜索文档。

它的图形用户界面有助于将其市场扩展到那些希望一键解决问题的非开发人员。该软件非常易于安装和使用。它可用于个人和专业用途。它可以高效地执行许多 OCR 任务。我们可以上传 PDF 发票并提取发票数据，如发票日期、行项目、总额等。你只需上传并按下开始 OCR 的按钮，它就会开始处理发票。

At9T 的功能

用户友好的界面：用户界面简单易用。设计时考虑到了简便性。任何没有经验的人都可以轻松使用。

支持多种语言：支持英语、荷兰语、日语、韩语等多种语言。

批量处理：本软件可同时对多个文件进行 OCR 识别。如果您想从大量文件中提取数据，它将为您节省时间。

介绍 IronOCR：高级 OCR 解决方案

如上所述，开源方案有很多困难。比如 Tesseract 就不容易集成到我们的项目中；它需要一个封装器才能使用。要使用 Emgu CV，你必须了解 OpenCV。否则，这将是一次艰苦的学习经历，而且它也没有丰富的文档。同时，At9T 也不适合复杂的文档。

为了克服这些问题，推进 OCR 解决方案的发展、 IronOCR 是最佳选择。IronOCR 是一个 .NET OCR 库，它扩展了 Tesseract 5 Engine 的功能，并为 OCR 增加了更多高级选项。与 Tesseract 和其他库不同，它很容易集成到 .NET 项目中。

IronOCR 支持多种文档格式，包括 PDF、PNG、JPG、BMP 等。它支持多种 .NET 框架和平台，包括 Windows、macOS 等。你可以用超过 127 种语言执行 OCR 操作，这使它成为一款全球性的 OCR 产品。使用其令人惊叹的发票 OCR 技术，您可以从所有发票格式中提取数据。IronOCR 利用机器学习实现最佳文本识别。让我们来看看 IronOCR 的主要功能。

IronOCR 的主要功能

以下是对其主要功能的有序总结：

输入灵活性： 读取各种格式，包括图像 (JPG、PNG、BMP)多页/帧文件 (TIFF, GIF)和 System.Drawing 对象、数据流，以及具有优化 DPI 的 PDF。

高级滤镜： 一系列滤镜，如滤镜向导、图像校正、图像编辑和图像处理。 (锐化、分辨率增强、去噪、扩张、侵蚀), 图像方向校正 (旋转、纠偏、缩放)和色彩校正 (二值化、灰度、反转、替换颜色、选择文本颜色) 可确保在 OCR 之前获得最佳图像质量。

区域选择： 允许通过 CropRectangle 选择文档的特定区域进行 OCR。

数据输出： 以 .NET 文本字符串、条形码、QR 数据和图像的形式提供简单的数据输出。

结构化数据： 以页面、块、段落、行、单词和字符的形式提供结构化数据输出。

文档导出： 可将文档导出为可搜索的 PDF、HTML 或页面、文本、条形码或 QR 图像。

文本高亮显示和保存： 高亮显示和保存字符、单词、行和段落的功能。

语言与框架： 支持 C#、VB.NET、F#，与 .NET 8、7、6、5、Core 2x & 3x、Standard 2 和 Framework 4.6.2+ 兼容。

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

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

示例

下面是使用 IronOCR 从发票中提取数据的示例代码：

// Create IronOCR Tesseract Instance
IronTesseract tesseract = new IronTesseract();
// Create an OcrInput object
using (OcrInput input = new OcrInput("sample_invoice.png")) // You can directly pass the image path to the constructor
{
    // Read and store OcrResults object
    OcrResult result = tesseract.Read(input);
    // Get all text from the OCR result
    string allText = result.Text;
    // Print to console
    Console.WriteLine(allText);
}

// Create IronOCR Tesseract Instance
IronTesseract tesseract = new IronTesseract();
// Create an OcrInput object
using (OcrInput input = new OcrInput("sample_invoice.png")) // You can directly pass the image path to the constructor
{
    // Read and store OcrResults object
    OcrResult result = tesseract.Read(input);
    // Get all text from the OCR result
    string allText = result.Text;
    // Print to console
    Console.WriteLine(allText);
}

' Create IronOCR Tesseract Instance
Dim tesseract As New IronTesseract()
' Create an OcrInput object
Using input As New OcrInput("sample_invoice.png") ' You can directly pass the image path to the constructor
	' Read and store OcrResults object
	Dim result As OcrResult = tesseract.Read(input)
	' Get all text from the OCR result
	Dim allText As String = result.Text
	' Print to console
	Console.WriteLine(allText)
End Using

这是我们从发票图像中提取的输出数据：

我们可以使用数据识别功能进行数据分析，并将其导出为 CSV 文件。

结论

总之，当我们谈论从图像或文档中读取文本时 (OCR 技术)我们有很多选择。Tesseract OCR、Emgu CV 和 At9T 都是人们可以使用的免费工具。它们各有千秋。

但如果您需要更先进的 发票 OCR如果符合您的需要，您可以从 $749 开始申请许可证。

因此，无论你是希望在项目中添加文本阅读功能的程序员，还是希望更好地处理文档的企业，都有很多选择。像 Tesseract、Emgu CV 和 At9T 这样的免费工具都是不错的起点。但要想获得更专业的功能，IronOCR 可以提供很多高级功能。关键是要根据自己的具体需求选择合适的工具。