MODI OCR C# 与 IronOCR：在 C# 中选择合适的 OCR 光学字符识别库

对比结果一目了然？

How Does Microsoft Office Document Imaging Perform OCR in C#?

MODI 通过基于 COM 的对象模型执行光学字符识别 (OCR)。 该过程首先创建一个 MODI.Document 对象，加载图像文件路径，然后调用 OCR 方法来分析图像并识别字符。 OCR 处理完成后，可以通过每个页面的图像和布局对象访问文本和布局信息。

要在 Visual Studio 项目中使用 MODI，必须添加对 Microsoft Office 文档图像类型库的引用。 在解决方案资源管理器中，右键单击"引用"文件夹，选择"COM"选项卡，然后选择相应的 MODI 版本（Office 2003 为 11.0，Office 2007 为 12.0）。

// MODI OCR: Extracting text from a scanned TIFF document
private string ExtractTextFromImage(string path)
{
    string extractedText = "";
    MODI.Document doc = new MODI.Document();
    try
    {
        // Create the document object from the image file path
        doc.Create(path);
        // Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
        // Access the first page image and retrieve recognized text
        MODI.Image modiImage = (MODI.Image)doc.Images[0];
        extractedText = modiImage.Layout.Text;
    }
    catch (Exception ex)
    {
        // Handle OCR exceptions for unsupported or corrupted image files
        string message = ex.Message;
        Console.WriteLine(message);
    }
    finally
    {
        doc.Close(false);
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
    }
    return extractedText;
}

// MODI OCR: Extracting text from a scanned TIFF document
private string ExtractTextFromImage(string path)
{
    string extractedText = "";
    MODI.Document doc = new MODI.Document();
    try
    {
        // Create the document object from the image file path
        doc.Create(path);
        // Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
        // Access the first page image and retrieve recognized text
        MODI.Image modiImage = (MODI.Image)doc.Images[0];
        extractedText = modiImage.Layout.Text;
    }
    catch (Exception ex)
    {
        // Handle OCR exceptions for unsupported or corrupted image files
        string message = ex.Message;
        Console.WriteLine(message);
    }
    finally
    {
        doc.Close(false);
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc);
    }
    return extractedText;
}

' MODI OCR: Extracting text from a scanned TIFF document
Private Function ExtractTextFromImage(ByVal path As String) As String
    Dim extractedText As String = ""
    Dim doc As New MODI.Document()
    Try
        ' Create the document object from the image file path
        doc.Create(path)
        ' Run optical character recognition with English language
        doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, True, True)
        ' Access the first page image and retrieve recognized text
        Dim modiImage As MODI.Image = CType(doc.Images(0), MODI.Image)
        extractedText = modiImage.Layout.Text
    Catch ex As Exception
        ' Handle OCR exceptions for unsupported or corrupted image files
        Dim message As String = ex.Message
        Console.WriteLine(message)
    Finally
        doc.Close(False)
        System.Runtime.InteropServices.Marshal.ReleaseComObject(doc)
    End Try
    Return extractedText
End Function

此功能演示了标准的 MODI 工作流程：Create 方法加载文件，OCR 方法使用指定的语言执行识别，Layout.Text 提供提取的字符串。 return extractedText 语句将输出传递给调用者。

虽然 MODI 能够为清晰、高分辨率的文档图像提供相当不错的精度，但它也存在明显的局限性。 它仅支持 TIFF、MDI 和 BMP 格式。 它要求运行该应用程序的每台计算机（包括生产服务器）都必须安装 Microsoft Office。 MODI 本身不具备扫描低质量图像、校正图像倾斜或降低数字噪声的功能。此外，由于 MODI 依赖于 COM 互操作，因此无法在.NET Core、 .NET 5+ 或任何跨平台场景中使用，这使其不适用于 Docker 容器或 Azure 应用服务等现代部署目标。

现代.NET库如何处理 OCR 功能？

IronOCR使用纯.NET API取代了 COM 互操作方法，该 API 可通过单个NuGet包进行安装。 IronTesseract 类封装了一个经过高度优化的 Tesseract 5 引擎，OcrInput 类处理图像加载、预处理和多格式支持，所有这些都不需要 Microsoft Office 或目标计算机上的任何外部依赖项。

using IronOcr;
// Create the IronTesseract OCR engine object
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
input.LoadImage("scanned-document.tiff");
// Apply filters to correct low-quality scans automatically
input.Deskew();   // Straighten skewed page images
input.DeNoise();  // Remove digital noise from scanning artifacts
// Read text from the processed document
var result = ocr.Read(input);
// Output plain text
Console.WriteLine(result.Text);
// Save as a searchable PDF for document management system integration
result.SaveAsSearchablePdf("output-searchable.pdf");

using IronOcr;
// Create the IronTesseract OCR engine object
var ocr = new IronTesseract();
using var input = new OcrInput();
// Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
input.LoadImage("scanned-document.tiff");
// Apply filters to correct low-quality scans automatically
input.Deskew();   // Straighten skewed page images
input.DeNoise();  // Remove digital noise from scanning artifacts
// Read text from the processed document
var result = ocr.Read(input);
// Output plain text
Console.WriteLine(result.Text);
// Save as a searchable PDF for document management system integration
result.SaveAsSearchablePdf("output-searchable.pdf");

Imports IronOcr

' Create the IronTesseract OCR engine object
Dim ocr As New IronTesseract()
Using input As New OcrInput()
    ' Load images in any common format — PNG, JPEG, TIFF, BMP, GIF, or PDF
    input.LoadImage("scanned-document.tiff")
    ' Apply filters to correct low-quality scans automatically
    input.Deskew()   ' Straighten skewed page images
    input.DeNoise()  ' Remove digital noise from scanning artifacts
    ' Read text from the processed document
    Dim result = ocr.Read(input)
    ' Output plain text
    Console.WriteLine(result.Text)
    ' Save as a searchable PDF for document management system integration
    result.SaveAsSearchablePdf("output-searchable.pdf")
End Using

从图像中提取文本有哪些主要区别？

当你不再使用"完美"的示例文件而开始处理真实世界的文档时，这两种选择之间的真正差距就会显现出来。 我们说的是那些扫描质量很差的文件，上面有咖啡渍、页面倾斜，或者用智能手机拍摄的低分辨率照片。

MODI是为不同的时代而设计的，专门用于清晰、高对比度的办公文档。 如果你用高端扫描仪扫描出清晰的TIFF文件，MODI就能很好地完成任务。但如果你的图像哪怕只有轻微的旋转，或者存在一些数字"噪点"，MODI的精度就会急剧下降。 由于它没有任何内置过滤器来解决这些问题，因此在开始 OCR 过程之前，您只能使用 GDI+ 或 System.Drawing 等第二个库自行预处理图像。 管理内存也有些麻烦； 如果您不手动调用 Marshal.ReleaseComObject，则很可能在生产环境中遇到内存泄漏问题。

IronOCR即用，就能帮你轻松搞定这些繁重的工作。 无需编写自定义代码来清理图像，只需调用 input.Deskew() 或 input.DeNoise() 即可。 这些滤镜可以对图像进行预处理，使引擎即使处理"丑陋"的文档也能达到99.8% 的准确率。

专业提示：如果您要从 MODI 迁移，不要只是替换代码，还要利用布局数据。 与 MODI 不同，MODI 主要提供一大块文本，而IronOCR则将文本分解成段落和行，并给出置信度评分。 如果你正在构建一个自动化发票处理系统，并且需要标记可能需要人工审核的文档，那么这个功能简直是救星。

值得一提的是， IronOCR可以将多页 TIFF 和 PDF 文件作为一个对象进行处理。 您不必像使用旧的 MODI.Images 集合那样手动遍历图像。 它速度更快、更清洁，而且说实话，也更不容易损坏。

开发人员如何从传统方法迁移？

在现有项目中替换 MODI 非常简单。 核心迁移包括将 COM 引用替换为NuGet包并更新 OCR 方法调用。 以下是 MODI 模式与其现代对应模式的对应关系：

using IronOcr;
// Replace: MODI.Document doc = new MODI.Document();
var ocr = new IronTesseract();
// Replace: doc.Create(filePath); with OcrInput
using var input = new OcrInput();
input.LoadImage("document.tiff");  // Accepts the same TIFF files MODI used
// Replace: doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
ocr.Language = OcrLanguage.English;
// Replace: modiImage.Layout.Text
var result = ocr.Read(input);
string text = result.Text;
Console.WriteLine(text);

using IronOcr;
// Replace: MODI.Document doc = new MODI.Document();
var ocr = new IronTesseract();
// Replace: doc.Create(filePath); with OcrInput
using var input = new OcrInput();
input.LoadImage("document.tiff");  // Accepts the same TIFF files MODI used
// Replace: doc.OCR(MODI.MiLANGUAGES.miLANG_ENGLISH, true, true);
ocr.Language = OcrLanguage.English;
// Replace: modiImage.Layout.Text
var result = ocr.Read(input);
string text = result.Text;
Console.WriteLine(text);

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("document.tiff") ' Accepts the same TIFF files MODI used
    ocr.Language = OcrLanguage.English
    Dim result = ocr.Read(input)
    Dim text As String = result.Text
    Console.WriteLine(text)
End Using

映射几乎是一对一的：MODI.Document.Create 变为 OcrInput.LoadImage，带有语言参数的 OCR 方法变为 ocr.LanguagePlusocr.Read，Layout.Text 变为 result.Text。 没有 COM 引用，没有 Office 依赖，无需手动使用 Marshal.ReleaseComObject 管理内存。

除了直接替换之外，迁移还解锁了 MODI 中根本不存在的功能：跨平台部署到 Linux 和 macOS、云和容器部署、可搜索的 PDF 输出，以及具有自定义字体训练功能的完整 Tesseract 5 引擎。

哪种解决方案最符合现代 OCR 需求？

在微软Office是每台Windows电脑的标配软件的时代，MODI发挥了它的作用。 对于维护已依赖 Office 2003 或 2007 的旧系统的团队来说，它可能仍然可以运行，但这代表着对已停产软件的脆弱依赖，而且没有前进的方向。

对于任何新项目或面临现代化改造的遗留系统， IronOCR都能提供完整、积极维护的解决方案。 它完全消除了对 Office 的依赖，可在所有主流平台上运行，能够处理旧方法难以处理的低质量图像，并提供远超纯文本的结构化 OCR 输出。 它拥有丰富的文档、直接的工程支持，以及749美元起的永久许可，专为大规模生产级文档处理而构建。

立即开始使用 IronOCR。

免费开始

准备好在生产环境中部署OCR了吗？ 了解IronOCR 的许可选项，找到最适合您团队的方案。