如何在 C# 教程中从发票中获取文本

如何在 Tesseract 中对收据进行 OCR 识别

1. 安装通过 Tesseract 进行收据 OCR 的 C# 库
2. 探索丰富功能的 C# 库以对收据执行 OCR
3. 使用 Tesseract 从收据中提取数据
4. 在提取的文本结果中搜索特定数据
5. 读取输入收据图像上的条形码值

1. IronOCR，一种光学字符识别 API

IronOCR 是一个 OCR 库，可用于识别图像中的文本数据以进行信息提取，包括收据 OCR。 它建立在 Tesseract OCR 引擎上，该引擎被认为是迄今为止用于收据识别的最准确的 OCR 引擎之一。 IronOCR 可以读取不同文档类型的关键信息，包括 PNG、JPG、TIFF、JSON 和 PDF 格式，并且可以识别多种语言的文本。

IronOCR 的一个重要功能是能够自动检测文本方向，即使图像已旋转或倾斜。 这对于提交收据时的准确文本识别和数据提取至关重要，因为收据通常包含大量信息，并且可能折叠或皱褶，导致文本倾斜。

2. IronOCR功能

• C# OCR 使用深度学习从照片、扫描的文档和 PDF 中扫描和识别文本。
• .NET OCR 支持超过125种全球语言。
• IronOCR 可以读取多种文件格式的图像中的文本，包括 PNG、JPG、TIFF 和 PDF。
• 从提取信息中可以生成、结构化数据、JSON 输出或可搜索的 PDF。
• IronOCR 支持 .NET 版本 5、6 和 7（Core、Framework 和 Standard）。
• IronOCR 将输入根据文本区域划分成不同的图片。 它使用计算机视觉来识别包含文本元素的区域。

3. 在Visual Studio中创建新项目

打开 Visual Studio 并转到文件菜单。 选择"新建项目"，然后选择控制台应用程序。

在适当的文本框中输入项目名称并选择路径。 然后，点击创建按钮。 选择所需的 .NET 框架，如下图所示：

控制台应用程序的项目结构将被生成。 完成后，它将打开 Program.cs 文件，您可以在其中编写和执行源代码。

4. 安装IronOCR

在 Visual Studio 中，您可以轻松地将 IronOCR 集成到您的 C# 项目中。 IronOCR 提供了多种与 C# .NET 项目集成的方式。 在这里，我们将讨论其中之一：使用 NuGet 包管理器安装 IronOCR。

在 Visual Studio 中，进入工具 > NuGet 包管理器 > 包管理器控制台

一个新的控制台将出现在 Visual Studio 窗口的底部。 在控制台中输入以下命令并按回车。

Install-Package IronOcr

IronOCR将在几秒钟内安装完成。

5. 使用 IronOCR 从收据中提取数据

IronOCR 是一个强大的 OCR 库，可以用于从收据中提取和访问详细数据。使用 IronOCR，您可以将收据的图片转换为易于分析和处理的机读文本，而不会影响数据隐私。

以下是如何使用 IronOCR 从收据中提取文本的示例：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Read the OCR result
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;

            // Output the recognized text to the console
            Console.WriteLine(recognizedText);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Read the OCR result
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);
            string recognizedText = ocrResult.Text;

            // Output the recognized text to the console
            Console.WriteLine(recognizedText);
        }
    }
}

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract As New IronTesseract()

		' Load the receipt image
		Using ocrInput As New OcrInput("ocr.png")
			' Read the OCR result
			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)
			Dim recognizedText As String = ocrResult.Text

			' Output the recognized text to the console
			Console.WriteLine(recognizedText)
		End Using
	End Sub
End Class

请参考从图像读取文本教程以了解更多关于 IronOCR 如何使用 C# 从图像中读取文本。

以上代码的输出：

- LOGO SHOP
- LOREM IPSUM
- DOLOR SIT AMET CONSECTETUR
- ADIPISCING ELIT
- 1 LOREM IPSUM $3.20
- 2 ORNARE MALESUADA $9.50
- 3 PORTA FERMENTUM $5.90
- 4 SODALES ARCU $6.00
- 5 ELEIFEND $9.00
- 6 SEM NISIMASSA $0.50
- 7 DUIS FAMES DIS $7.60
- 8 FACILISI RISUS $810
- TOTAL AMOUNT $49.80
- CASH $50.00

6. 使用 IronOCR 从收据图像中提取特定数据

IronOCR 允许开发人员从扫描的收据中提取关键信息，例如税额和商家名称。

这是一个展示如何从收据图像中提取总金额的示例：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Set the language for OCR
        ocrTesseract.Language = OcrLanguage.English;

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Optimize the input image for OCR
            ocrInput.DeNoise(true);
            ocrInput.Contrast();
            ocrInput.EnhanceResolution();
            ocrInput.ToGrayScale();

            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Search for the total amount in the OCR result
            var totalAmount = ocrResult.Text.Contains("Total:") ? ocrResult.Text.Split("Total:")[1].Split("\n")[0] : "";
            Console.WriteLine("Total Amount: " + totalAmount);
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        IronTesseract ocrTesseract = new IronTesseract();

        // Set the language for OCR
        ocrTesseract.Language = OcrLanguage.English;

        // Load the receipt image
        using (OcrInput ocrInput = new OcrInput("ocr.png"))
        {
            // Optimize the input image for OCR
            ocrInput.DeNoise(true);
            ocrInput.Contrast();
            ocrInput.EnhanceResolution();
            ocrInput.ToGrayScale();

            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Search for the total amount in the OCR result
            var totalAmount = ocrResult.Text.Contains("Total:") ? ocrResult.Text.Split("Total:")[1].Split("\n")[0] : "";
            Console.WriteLine("Total Amount: " + totalAmount);
        }
    }
}

Imports Microsoft.VisualBasic
Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract As New IronTesseract()

		' Set the language for OCR
		ocrTesseract.Language = OcrLanguage.English

		' Load the receipt image
		Using ocrInput As New OcrInput("ocr.png")
			' Optimize the input image for OCR
			ocrInput.DeNoise(True)
			ocrInput.Contrast()
			ocrInput.EnhanceResolution()
			ocrInput.ToGrayScale()

			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)

			' Search for the total amount in the OCR result
			Dim totalAmount = If(ocrResult.Text.Contains("Total:"), ocrResult.Text.Split("Total:")(1).Split(vbLf)(0), "")
			Console.WriteLine("Total Amount: " & totalAmount)
		End Using
	End Sub
End Class

得益于OcrInput类提供的多种设置，可以优化输入图像以在 OCR 过程中提高准确性。

- Total 16.5

7. 读取收据上的条形码

IronOCR 可用于读取收据上的条形码以及文本。 要读取收据上的条形码，您需要结合BarcodeReader类和ReadBarCodes方法。

以下是如何读取条形码的示例：

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;

        // Load the receipt image with a barcode
        using (var ocrInput = new OcrInput("b.png"))
        {
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Output the barcode values to the console
            foreach (var barcode in ocrResult.Barcodes)
            {
                Console.WriteLine(barcode.Value);
            }
        }
    }
}

using IronOcr;
using System;

class Program
{
    static void Main()
    {
        var ocrTesseract = new IronTesseract();
        ocrTesseract.Configuration.ReadBarCodes = true;

        // Load the receipt image with a barcode
        using (var ocrInput = new OcrInput("b.png"))
        {
            OcrResult ocrResult = ocrTesseract.Read(ocrInput);

            // Output the barcode values to the console
            foreach (var barcode in ocrResult.Barcodes)
            {
                Console.WriteLine(barcode.Value);
            }
        }
    }
}

Imports IronOcr
Imports System

Friend Class Program
	Shared Sub Main()
		Dim ocrTesseract = New IronTesseract()
		ocrTesseract.Configuration.ReadBarCodes = True

		' Load the receipt image with a barcode
		Using ocrInput As New OcrInput("b.png")
			Dim ocrResult As OcrResult = ocrTesseract.Read(ocrInput)

			' Output the barcode values to the console
			For Each barcode In ocrResult.Barcodes
				Console.WriteLine(barcode.Value)
			Next barcode
		End Using
	End Sub
End Class

8. 结论

本文上面解释了如何在 C# 项目中安装和使用 IronOCR 以从收据中提取数据，提供了示例代码片段。

请阅读从图像读取文本的教程。

IronOCR 是Iron Suite的一部分，该套件包括五个不同的 .NET 库用于操作文档和图像。 您可以以仅相当于两个IronOCR 许可证的价格购买整个 Iron Suite。

在您的生产应用程序中尝试 IronOCR，免费试用。