C# 中的 OCR CodeProject 教程：使用 IronOCR 从图像中提取文本

如何在.NET项目中安装IronOCR ？

将 OCR 添加到.NET 10 项目的最快方法是通过NuGet包管理器。 在项目目录中打开终端并运行 dotnet CLI 命令，或者使用 Visual Studio 中的包管理器控制台：

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

# .NET CLI
dotnet add package IronOcr

# Package Manager Console
Install-Package IronOcr

安装完成后， NuGet包管理器会自动下载所有必需的程序集并连接引用。 IronOCR 的目标框架为.NET Framework 4.6.2+、. .NET Core 3.1+ 以及.NET 5 至.NET 10，因此它可以在控制台应用程序、 ASP.NET Core服务、WPF 应用程序和 Azure Functions 中运行。

您无需注册许可证密钥即可在本地进行测试——在应用许可证之前，输出结果上会显示试用水印。 添加 using 指令，并在准备投入生产环境时，在启动时传递一次密钥：

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

using IronOcr;

// Apply license key before any OCR calls (production only)
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

有关定价和激活详情，请参阅IronOCR许可页面。

如何从图像文件中提取文本？

核心 OCR 工作流程涉及三个对象：OcrInput(输入容器)和 OcrResult(输出)。 下面的示例读取一个 PNG 文件，并将识别出的文本打印到控制台。

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("sample-document.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

如何处理扫描文档和 TIFF 文件？

在文档扫描工作流程中，多页 TIFF 文件很常见。 IronOCR使用 LoadImageFrames 处理它们，这样您就可以精确地选择要处理的帧(页面)——当您只需要大型存档的子集时非常有用。

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
int[] pageIndices = { 0, 1, 2 };
input.LoadImageFrames("scanned-documents.tiff", pageIndices);

// Correct skew and remove noise before reading
input.Deskew();
input.DeNoise();

OcrResult result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}:");
    Console.WriteLine(page.Text);
}

如何配置 OCR 的语言支持？

IronOCR默认读取英文文本。 要处理其他语言的文档，请安装匹配的语言NuGet包，并在 IronTesseract 实例上设置 Language 属性。

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

dotnet add package IronOcr.Languages.German
dotnet add package IronOcr.Languages.French
dotnet add package IronOcr.Languages.Japanese

然后配置引擎，对于双语文档，添加第二种语言：

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronOcr.Languages;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.German;

// For bilingual documents (e.g. Canadian forms, EU directives)
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput();
input.LoadImage("german-invoice.png");

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

IronOCR支持超过 125 种语言，每种语言都以单独的轻量级NuGet包的形式分发。 这样可以保持生产二进制文件的大小——只包含应用程序实际需要的语言数据。 当您调用 AddSecondaryLanguage 时，引擎会在识别过程中融合主要语言模型和辅助语言模型。

如何处理 OCR 错误并提高识别结果？

生产应用需要针对OCR流程进行错误处理。图像质量问题、文件缺失或格式不支持都可能导致异常。 将调用包裹在 try/catch 块中，可以得到一个清晰的恢复路径。

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

try
{
    using var input = new OcrInput();
    input.LoadImage("document.png");
    input.DeNoise();
    input.Deskew();

    OcrResult result = ocr.Read(input);

    if (result.Text.Length > 0)
    {
        Console.WriteLine("Recognised text:");
        Console.WriteLine(result.Text);
    }
    else
    {
        Console.WriteLine("No text was detected in the image.");
    }
}
catch (Exception ex)
{
    Console.WriteLine($"OCR error: {ex.Message}");
}

以下几个设置有助于提高准确率：

• ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto -- 让 Tesseract 自动选择单列、多列和单字布局
• ocr.Configuration.ReadBarCodes = false -- 如果您正在处理纯文本文档并希望提高吞吐量，请禁用条形码检测。
• ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5 -- 确保您使用最快的可用引擎

对于字段位置可预测的结构化表单，请使用基于区域的 OCR仅读取重要区域：

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;
using IronSoftware.Drawing;

var ocr = new IronTesseract();

using var input = new OcrInput();
var region = new CropRectangle(x: 50, y: 200, width: 600, height: 100);
input.LoadImage("form.png", region);

OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text);

将识别范围限制在裁剪矩形区域内，可以减少大图像处理时间高达 90%。 该技术非常适合用于提取发票号码、读取表单字段和扫描身份证件。 更多详情请参阅区域 OCR 使用指南。

如何从识别的文本创建可搜索的 PDF？

将扫描图像存档转换为可搜索的 PDF 文件是 OCR 最有价值的应用案例之一。 生成的文件保留了原始的视觉外观，同时嵌入了一个不可见的文本层，PDF 查看器、搜索引擎和屏幕阅读器可以对其进行索引。

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.Title = "Quarterly Report Q1 2026";
input.LoadImage("page1.png");
input.LoadImage("page2.png");
input.LoadImage("page3.png");

OcrResult result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created.");
Console.WriteLine($"Pages processed: {result.Pages.Count}");

如何解读条形码和文字？

IronOCR可以读取嵌入在与印刷文本同一图像中的条形码和二维码，无需运行单独的条形码库。 通过一个配置属性启用该功能：

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

using IronOcr;

var ocr = new IronTesseract();
ocr.Configuration.ReadBarCodes = true;

using var input = new OcrInput();
input.LoadImage("shipping-label.png");

OcrResult result = ocr.Read(input);

Console.WriteLine("Text:");
Console.WriteLine(result.Text);

Console.WriteLine("Barcodes:");
foreach (var barcode in result.Barcodes)
{
    Console.WriteLine($"  {barcode.Format}: {barcode.Value}");
}

支持的条形码格式包括 Code 128、Code 39、EAN-13、EAN-8、UPC-A、UPC-E、PDF417、Data Matrix 和 QR 码。 详细信息请参阅IronOCR条形码读取指南。

这项功能在物流、医疗保健和零售应用中尤其有用，因为运输标签、病人腕带和产品标签都包含人可读文本和机器可读条形码。

如何将IronOCR与其他.NET OCR 选项进行比较？

开发人员在评估.NET的 OCR 库时通常会考虑IronOCR、Tesseract .NET以及 Google Cloud Vision 或 Azure计算机视觉 等云服务。 下表总结了主要区别：

Tesseract是由 Google 维护的开源项目，它为IronOCR和 Tesseract .NET提供底层技术支持。 IronOCR增加了 .NET 惯用的打包方式、自动模型管理以及原始 Tesseract 绑定所缺乏的生产输出功能（可搜索的 PDF、hOCR 导出）。 Azure 计算机视觉提供最先进的云精度，但引入了网络延迟和每次调用成本，不适合高容量或离线工作流程。

对于数据隐私法规禁止将文档发送到外部服务的情况（例如医疗记录、法律文件、财务报表），像IronOCR这样的本地库是合适的选择。

下一步计划是什么？

现在，您已具备向任何.NET 10 应用程序添加 OCR 的基本构建模块：通过NuGet安装、基本图像到文本提取、多页 TIFF 处理、语言配置、错误处理、基于区域的读取、条形码检测和可搜索的 PDF 生成。

如需深入了解，请浏览以下IronOCR资源：

IronOCR文档主页——完整的 API 参考和功能指南。 图像滤镜教程——所有预处理滤镜的详细指南 条形码读取指南——二维码和线性条形码及文本 -区域 OCR 使用指南——基于作物的表单和 ID 识别 -语言参考-- 超过 125 种受支持语言的完整列表

• API 参考——所有类、方法和属性

有关许可问题或在生产环境中部署IronOCR ，请访问IronOCR许可页面。 免费试用许可证可在评估期间移除输出水印， Iron Software 的支持团队可解答任何级别的技术问题。

立即开始使用 IronOCR。

免费开始