如何在 C# GitHub 项目中集成 OCR 使用 IronOCR

开始使用 IronOCR 和 GitHub

IronOCR 脱颖而出，作为一个全面的 OCR 解决方案，能够无缝搭配 GitHub 基于的开发工作流和 .NET Core 项目使用。 与需要复杂配置的原生 Tesseract 实现不同，IronOCR 提供了一个精炼的 API，只需几分钟即可运行。 对于光学字符识别概念的新手，IronOCR 的全面文档涵盖了从基本文本提取到高级图像处理的所有内容。

首先通过 NuGet 软件包管理器安装 IronOCR：

Install-Package IronOcr

使用 NuGet 安装

PM >  Install-Package IronOcr

在 IronOCR 上查看 NuGet 快速安装。超过 1000 万次下载，它正以 C# 改变 PDF 开发。 您也可以下载 DLL 或 Windows 安装程序。

IronOCR 在 GitHub 上维护了多个示例和教程库。 官方的IronOCR 示例库提供了实际应用实现，而图像到文本教程库展示了您可以克隆和修改的实用用例。 这些仓库展示了带条码读取的 OCR、多语言支持和PDF 处理。 得益于在 NuGet 上频繁发布的软件包，您将始终可以访问最新稳定版。

在 GitHub 上创建您的第一个 OCR 项目

让我们构建一个适合 GitHub 分享的全面 OCR 应用程序。 在 Visual Studio（或您偏好的 IDE 中），创建一个具有以下项目结构的新控制台应用程序：

MyOcrProject/
├── src/
│   └── OcrProcessor.cs
├── images/
│   └── sample-invoice.jpg
├── .gitignore
├── README.md
└── MyOcrProject.csproj

这是一个完整的 C# 代码示例，展示了 IronOCR 的 OCR 处理器关键功能：

using IronOcr;
using System;
using System.IO;
namespace MyOcrProject
{
    public class OcrProcessor
    {
        private readonly IronTesseract _ocr;
        public OcrProcessor()
        {
            _ocr = new IronTesseract();
            // Configure for optimal accuracy
            _ocr.Configuration.ReadBarCodes = true;
            _ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
            _ocr.Language = OcrLanguage.English;
        }
        public void ProcessDocument(string imagePath)
        {
            using var input = new OcrInput();
            // Load and preprocess the image
            input.LoadImage(imagePath);
            input.Deskew();  // Straighten rotated images
            input.DeNoise(); // Remove digital noise
            input.EnhanceResolution(225); // Optimize DPI for OCR
            // Perform OCR
            var result = _ocr.Read(input);
            // Output results
            Console.WriteLine($"Confidence: {result.Confidence}%");
            Console.WriteLine($"Text Found:\n{result.Text}");
            // Process any barcodes found
            foreach (var barcode in result.Barcodes)
            {
                Console.WriteLine($"Barcode: {barcode.Value} ({barcode.Format})");
            }
            // Save as searchable PDF
            result.SaveAsSearchablePdf("output.pdf");
        }
    }
    class Program
    {
        static void Main(string[] args)
        {
            var processor = new OcrProcessor();
            processor.ProcessDocument("images/sample-invoice.jpg");
        }
    }
}

using IronOcr;
using System;
using System.IO;
namespace MyOcrProject
{
    public class OcrProcessor
    {
        private readonly IronTesseract _ocr;
        public OcrProcessor()
        {
            _ocr = new IronTesseract();
            // Configure for optimal accuracy
            _ocr.Configuration.ReadBarCodes = true;
            _ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
            _ocr.Language = OcrLanguage.English;
        }
        public void ProcessDocument(string imagePath)
        {
            using var input = new OcrInput();
            // Load and preprocess the image
            input.LoadImage(imagePath);
            input.Deskew();  // Straighten rotated images
            input.DeNoise(); // Remove digital noise
            input.EnhanceResolution(225); // Optimize DPI for OCR
            // Perform OCR
            var result = _ocr.Read(input);
            // Output results
            Console.WriteLine($"Confidence: {result.Confidence}%");
            Console.WriteLine($"Text Found:\n{result.Text}");
            // Process any barcodes found
            foreach (var barcode in result.Barcodes)
            {
                Console.WriteLine($"Barcode: {barcode.Value} ({barcode.Format})");
            }
            // Save as searchable PDF
            result.SaveAsSearchablePdf("output.pdf");
        }
    }
    class Program
    {
        static void Main(string[] args)
        {
            var processor = new OcrProcessor();
            processor.ProcessDocument("images/sample-invoice.jpg");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

这个全面的例子展示了 IronOCR 的若干功能。 构造函数配置 OCR 引擎，启用了条码读取以及自动页面分段。 ProcessDocument 方法展示了通过去斜（校正旋转）、去噪（去除伪影）和提高分辨率进行图像预处理。 处理后，它以置信度分数提取英文文本，识别条码，并生成可搜索 PDF。 开发人员还可以轻松配置 IronOCR 以读取其他语言，如中文、西班牙语或法语，使其成为多语言 GitHub 项目的多才之选。 关于安装附加语言包的参考，请查看这里。

对于您的 .gitignore 文件，包含以下内容：

# IronOCR runtime files
runtimes/
# Test images and outputs
*.pdf
test-images/
output/
# License keys
appsettings.*.json

为何选择 IronOCR 作为您的 GitHub 项目

IronOCR 为维护 GitHub 上 OCR 项目的开发人员提供了独特的优势。 该库开箱即用，便可实现 99.8% 的准确率，无需手动训练或复杂的配置文件使仓库变得混乱。 支持 125+ 种语言，您的 GitHub 项目可以无需修改地服务国际用户。

IronOCR 足够灵活，可以识别单个字、行和完整段落，让您能控制从每次扫描中提取多少细节。

商业许可证为公共仓库提供法律清晰。 因为您被明确允许将 IronOCR 包含在商业应用程序中。 内置的图像预处理过滤器。

IronOCR 的单 DLL 架构意味着贡献者可以克隆您的仓库并立即开始开发，而不必处理其他 OCR 解决方案中困扰的本地依赖项或特定平台配置。

OCR 项目版本控制最佳实践

在 GitHub 上管理 OCR 项目时，使用Git LFS来处理大型测试图像：

git lfs track "*.jpg" "*.png" "*.tiff"
git add .gitattributes

git lfs track "*.jpg" "*.png" "*.tiff"
git add .gitattributes

IRON VB CONVERTER ERROR developers@ironsoftware.com

使用环境变量或用户机密安全存储 IronOCR 许可证密钥，切忌直接提交它们。 遵循IronOCR 许可证密钥指南以实现正确的实现。 在 README 中记录支持的图像格式和预期的准确性。 在 test-data 文件夹中包含示例图像，供贡献者验证 OCR 功能。 对于跨平台开发，请参考IronOCR Linux 设置指南或macOS 安装说明。

快速故障排除提示

常见设置问题包括 Windows 上缺少Visual C++ 可再发行包，IronOCR 需要 2019 版本。 对于 Linux 部署，请确保安装 libgdiplus。 如果文本识别效果不佳，请验证您的图像至少为 200 DPI。 C# OCR 社区在Stack Overflow上也为常见的 GitHub 项目问题提供了有用的解决方案。

有关详细故障排除，请查阅IronOCR 故障排除指南。 IronOCR 支持团队为在 GitHub 上托管 OCR 应用程序的授权用户提供快速支持。

结论

IronOCR 简化了 C# GitHub 项目中的 OCR 实现，通过其直观的 API、全面的预处理和可靠的准确性。 从上面的代码示例开始，探索官方仓库，并构建利用 GitHub 协作功能的强大文档处理应用程序。

下载IronOCR 的免费试用版以进行商业部署。