C#中OCR发票处理（开发者教程）

介绍

发票数据处理是指接收、管理和验证来自供应商或承包商的发票，确保付款正确且按时完成。此过程包括一些步骤，旨在确保处理业务交易的准确性、合规性和效率，以避免纸质发票。 自动化发票处理可以显著减少手动数据输入错误并提高效率。 IronOCR是一款功能强大的光学字符识别(光学字符识别)软件库，可用于从数字文件中的发票中提取数据或文本，使其成为在C#应用程序中自动化发票OCR处理的出色工具。

如何使用像 IronOCR 这样的 OCR 软件处理发票数据

1. 创建一个 Visual Studio 项目。

2. 安装IronOCR C#库。

3. 示例输入发票图像。

4. 使用 Tesseract 从收据图像中提取数据。

5. 仅读取图像的某个区域。

光学字符识别 (光学字符识别)

光学字符识别是一种技术，可以识别和转换不同类型的文档、PDF或文字图像为可编辑和可搜索的数据。 OCR技术处理文本图像并提取字符，使其可被机器读取。 高级光学字符识别（OCR）发票软件系统有助于财务管理工具和发票自动化。

OCR关键点

• 功能：OCR软件扫描图像或文本(例如，照片或扫描的文件)并将字符转换为可编辑、搜索和存储的数字文本。
• 应用：OCR 广泛应用于各种行业中，用于执行诸如打印文件数字化、发票处理、表单数据提取、自动车牌识别等任务。(ANPR)，应付账款工作流程和扫描书籍。
• 技术：OCR使用算法识别明暗模式以解读字符。 现代光学字符识别（OCR）系统还使用机器学习和人工智能来提高准确性，特别是对于手写文本。

• 优势：OCR通过自动化数据输入、减少错误，并实现更轻松的数据搜索和检索，提高了生产力。 它还支持文档存档，帮助企业管理无纸化工作流程。

  OCR技术已经显著发展，使其在处理文件和发票数据提取方面极其精确且有用，可支持多种不同的发票格式，以减少手动数据输入、消除手动发票处理并增强数据安全性。

IronOCR

IronOCR 是一种强大的光学字符识别(光学字符识别)用于.NET的库(C#)允许开发人员从图像、PDF 和其他文档格式中提取文本，开发 OCR 发票软件，并实施应付账款工作流程。 它提供了一个易于使用的API，用于将OCR功能集成到应付账款系统或会计系统中。

IronOCR 的主要功能

• 文本提取：可以从各种图像格式中提取文本(PNG、JPG、TIFF 等。)和PDF，包括用于会计软件的多页PDF。
• 准确性：IronOCR 使用高级算法和机器学习技术，即使对于嘈杂或低质量图像的应付账款处理和早期付款折扣，也能提供高准确性的文本识别。
• 语言支持：该库支持多种语言，包括英语、西班牙语、法语等，这有助于识别不同语言的文本。
• 易用性：IronOCR 提供了一个简单的 API，使开发人员能够快速将 OCR 功能集成到其应用程序中，而无需对 OCR 技术有深入的技术知识。
• 条形码和二维码识别：除了标准的文本识别，IronOCR还可以从图像中检测和提取条形码和二维码。
• PDF支持：它可以读取并从扫描的PDF中提取文本，这对于处理发票、收据和其他业务文件非常有用。
• 自定义：该库允许根据特定需求自定义OCR设置，例如调整准确性或处理不同的图像分辨率。

先决条件

在开始之前，请确保您具备以下条件：

• 您的计算机上安装了 Visual Studio。
• 对 C# 编程有基本了解。
• 在您的项目中安装IronOCR NuGet包。

步骤 1：创建一个 Visual Studio 项目

打开 Visual Studio，点击创建新项目。

在选项中选择控制台应用程序。

提供项目名称和路径。

选择 .NET 版本类型。

步骤 2：安装 IronOCR C# 库

在 Visual Studio 中的项目中，转到工具 > NuGet 包管理器 > 为解决方案管理 NuGet 包。 点击“浏览”选项卡并搜索IronOCR。 选择IronOCR并点击安装。

另一种选项是使用控制台和以下命令。

dotnet add package IronOcr --version 2024.12.2

dotnet add package IronOcr --version 2024.12.2

'INSTANT VB TODO TASK: The following line uses invalid syntax:
'dotnet add package IronOcr --version 2024.12.2

步骤 3：示例输入发票图像

带有发票编号的数字发票示例图像。

步骤 4：使用 Tesseract 从收据图像中提取数据

现在使用以下代码从发票中提取数据以进行OCR发票处理。

using IronOcr;
License.LicenseKey = "Your License";
string filePath = "sample1.jpg"; // image for invoice OCR
// Create an instance of IronTesseract
var ocr = new IronTesseract();
// Load the image or PDF file
using (var ocrInput = new OcrInput())
{
    ocrInput.LoadImage(filePath);
    // Optionally apply filters if needed 
    ocrInput.Deskew();
    // ocrInput.DeNoise(); 
    // Read the text from the image or PDF
    var ocrResult = ocr.Read(ocrInput);
    // Output the extracted text
    Console.WriteLine("Extracted Text:");
    Console.WriteLine(ocrResult.Text);
    // next steps are to process data and use the extracted and validated data with invoice date
}

using IronOcr;
License.LicenseKey = "Your License";
string filePath = "sample1.jpg"; // image for invoice OCR
// Create an instance of IronTesseract
var ocr = new IronTesseract();
// Load the image or PDF file
using (var ocrInput = new OcrInput())
{
    ocrInput.LoadImage(filePath);
    // Optionally apply filters if needed 
    ocrInput.Deskew();
    // ocrInput.DeNoise(); 
    // Read the text from the image or PDF
    var ocrResult = ocr.Read(ocrInput);
    // Output the extracted text
    Console.WriteLine("Extracted Text:");
    Console.WriteLine(ocrResult.Text);
    // next steps are to process data and use the extracted and validated data with invoice date
}

Imports IronOcr
License.LicenseKey = "Your License"
Dim filePath As String = "sample1.jpg" ' image for invoice OCR
' Create an instance of IronTesseract
Dim ocr = New IronTesseract()
' Load the image or PDF file
Using ocrInput As New OcrInput()
	ocrInput.LoadImage(filePath)
	' Optionally apply filters if needed 
	ocrInput.Deskew()
	' ocrInput.DeNoise(); 
	' Read the text from the image or PDF
	Dim ocrResult = ocr.Read(ocrInput)
	' Output the extracted text
	Console.WriteLine("Extracted Text:")
	Console.WriteLine(ocrResult.Text)
	' next steps are to process data and use the extracted and validated data with invoice date
End Using

代码解释

以下代码演示了如何在 C# 中使用 IronOCR 库从图像中提取文本。(例如，发票)使用OCR(光学字符识别). 以下是代码每个部分的解释，但不包含具体代码：

1. License Key Setup: 许可证密钥设置

   代码开始于为IronOCR设置许可证密钥。 此密钥是使用该库全部功能所必需的。 如果您有有效的许可证，请将“Your License”替换为您的实际许可证密钥。

2. 指定输入文件：

   filePath 变量保存包含发票的图像的位置。(在这种情况下，“sample1.jpg”). 这是将用于文本提取的文件。

3. 创建 OCR 实例：

   创建一个IronTesseract实例。 IronTesseract 是负责对输入数据执行 OCR 操作的类。(图像或PDF).

4. 加载图像：

   然后代码创建一个 OcrInput 对象，用于加载图像。(在这种情况下，由 filePath 指定的 JPG 文件。). LoadImage 方法用于读取图像文件并为 OCR 做准备。

5. 应用图像滤镜：

   代码包含一个过滤步骤，其中包括可选的图像处理方法，如Deskew。(纠正倾斜图像)和去噪(去除图像噪声)，可以用于提高OCR的准确性。 在这种情况下，只有Deskew方法是激活的。

6. 执行 OCR：

   • ocr.Read()方法用于从加载的图像中提取文本。 将包含图像的ocrInput对象传递给该方法，返回一个包含提取文本的OcrResult对象。

7. 显示提取的文本：

   • 提取的文本随后打印到控制台。 这是IronOCR从图像中识别的文本，可用于进一步处理。

输出

步骤 5：仅读取图像的某个区域

为了提高效率，只能使用图像的一部分进行提取。

using IronOcr;
using IronSoftware.Drawing;
License.LicenseKey = "Your Key";
string filePath = "sample1.jpg"; 
// Create an instance of IronTesseract
var ocr = new IronTesseract();
// Load the image or PDF file
using (var ocrInput = new OcrInput())
{
    var ContentArea = new Rectangle(x: 0, y: 0, width: 1000, height: 250);
    ocrInput.LoadImage(filePath, ContentArea);
    // Optionally apply filters if needed 
    ocrInput.Deskew();
    // ocrInput.DeNoise(); 
    // Read the text from the image or PDF
    var ocrResult = ocr.Read(ocrInput);
    // Output the extracted text
    Console.WriteLine("Extracted Text:");
    Console.WriteLine(ocrResult.Text);
}

using IronOcr;
using IronSoftware.Drawing;
License.LicenseKey = "Your Key";
string filePath = "sample1.jpg"; 
// Create an instance of IronTesseract
var ocr = new IronTesseract();
// Load the image or PDF file
using (var ocrInput = new OcrInput())
{
    var ContentArea = new Rectangle(x: 0, y: 0, width: 1000, height: 250);
    ocrInput.LoadImage(filePath, ContentArea);
    // Optionally apply filters if needed 
    ocrInput.Deskew();
    // ocrInput.DeNoise(); 
    // Read the text from the image or PDF
    var ocrResult = ocr.Read(ocrInput);
    // Output the extracted text
    Console.WriteLine("Extracted Text:");
    Console.WriteLine(ocrResult.Text);
}

Imports IronOcr
Imports IronSoftware.Drawing
License.LicenseKey = "Your Key"
Dim filePath As String = "sample1.jpg"
' Create an instance of IronTesseract
Dim ocr = New IronTesseract()
' Load the image or PDF file
Using ocrInput As New OcrInput()
	Dim ContentArea = New Rectangle(x:= 0, y:= 0, width:= 1000, height:= 250)
	ocrInput.LoadImage(filePath, ContentArea)
	' Optionally apply filters if needed 
	ocrInput.Deskew()
	' ocrInput.DeNoise(); 
	' Read the text from the image or PDF
	Dim ocrResult = ocr.Read(ocrInput)
	' Output the extracted text
	Console.WriteLine("Extracted Text:")
	Console.WriteLine(ocrResult.Text)
End Using

代码解释

此代码使用IronOCR从图像的特定区域提取文本，并可选择应用诸如倾斜校正之类的过滤器以提高准确性。 提取的文本随后被显示，准备进一步使用。

1. 许可证设置：

代码的第一部分涉及为IronOCR设置许可证密钥。 这需要在库中使用OCR功能。 您应该将许可证密钥替换为您从IronOCR获得的实际密钥，以便访问库的全部功能。

2. 定义图像文件路径：

您希望处理的图像的文件路径已指定。 该图片(在这种情况下，一个JPG文件)包含OCR将用于提取文本的文档或内容。 路径可以指向本地系统或其他可访问存储上的图像文件。

3. 创建一个OCR实例：

创建了一个IronTesseract类的实例。 此对象是核心引擎，将在图像上执行光学字符识别。

4. 定义要处理的区域：

矩形(兴趣领域)在图像中定义。 此矩形用于指定OCR引擎将聚焦的图像部分。 在这个示例中，矩形从左上角开始。(x=0, y=0)宽度为1000像素，高度为250像素。 此步骤帮助OCR仅处理图像的相关部分，提高准确性和速度。

5. 加载图像：

图像已加载到OCR引擎中，但仅限于定义的矩形区域。(内容区域)处理中。 这使您能够将OCR的范围缩小到图像的特定部分，当图像包含不相关的区域（例如背景或徽标）且您不想处理这些区域时，这尤其有用。

6. 应用过滤器：

代码可以选择性地对图像应用一个倾斜校正滤镜。 倾斜校正是指在图像存在任何倾斜或旋转时对其进行矫正的过程，以提高OCR的准确性。 另一个过滤器，denoise，可用但已被注释掉。 如果启用，它将去除噪声。(不需要的标记)从图像中，这可能进一步提高OCR准确性。

7. 提取文本：

OCR引擎读取图像(或其指定区域)并提取识别到的任何文本。 结果存储在一个包含识别文本的对象中。

8. 输出提取的文本：

最后，提取的文本将打印到控制台。 此文本是 OCR 过程的结果，可以进一步处理、验证，或用于诸如数据输入或文档管理的应用程序中。

输出

许可证（可试用）

IronOCR需要一个密钥才能从发票中提取数据，获取您的开发者试用密钥，从许可页面.

using IronOcr;
License.LicenseKey = "Your Key";

using IronOcr;
License.LicenseKey = "Your Key";

Imports IronOcr
License.LicenseKey = "Your Key"

结论

本文提供了使用IronOCR进行发票处理的基本示例。 您可以进一步自定义和扩展此代码以满足您的具体需求。

IronOCR 提供了一种高效且易于集成的解决方案，用于从图像和 PDF 中提取文本，非常适合发票处理。 通过将IronOCR与C#字符串操作或正则表达式结合使用，您可以快速处理并提取发票中的重要数据。

这是一个基本的发票处理示例，并且可以通过更高级的配置(如语言识别、多页PDF处理等。)，您可以微调OCR结果，以提高特定用例的准确性。

IronOCR 的 API 非常灵活，可以用于除了发票处理之外的多种 OCR 任务，包括收据扫描、文件转换和数据录入自动化。