使用 C# 和 .NET 实现汉字简体字母 OCR

This article was translated from English: Does it need improvement?
Translated
View the article in English

还有126种语言

IronOCR 是一个 C# 软件组件,允许 .NET 程序员从图像和 PDF 文档中读取 126 种语言的文本,包括简体汉字。

它是 Tesseract 的一个高级分支,专为 .NET 开发人员构建,在速度和准确性方面通常优于其他 Tesseract 引擎。

IronOcr.Languages.Han 的内容

此软件包包含 400 种适用于 .NET 的 OCR 语言:

  • 汉字简体字母
  • 汉简体字母最佳
  • HanSimplifiedAlphabetFast
  • 汉简体垂直字母
  • 汉简体垂直字母最佳
  • 汉简体垂直字母快速
  • 汉传统字母
  • 汉字传统字母最佳
  • HanTraditionalAlphabetFast
  • 汉字竖写
  • 汉字传统竖式字母最佳
  • 汉字传统竖式字母快速

下载

汉字简体字母语言包 [Samhan]

安装

我们首先需要做的是将我们的汉字简体字母OCR 包安装到您的 .NET 项目中。

在Package Manager Console中运行以下命令:

Install-Package IronOCR.Languages.Han

代码示例

这段 C# 代码示例从图像或 PDF 文档中读取简体汉字文本。

// Reference the IronOcr library
using IronOcr;

class Program
{
    static void Main()
    {
        // Create an IronTesseract OCR engine
        var Ocr = new IronTesseract();

        // Load the Han language for OCR processing
        Ocr.Language = OcrLanguage.Han;

        // Using a 'using' statement for resource management
        using (var Input = new OcrInput(@"images\Han.png"))
        {
            // Process the image to extract text
            var Result = Ocr.Read(Input);

            // Retrieve and display the extracted text
            string AllText = Result.Text;
            System.Console.WriteLine(AllText);
        }
    }
}
// Reference the IronOcr library
using IronOcr;

class Program
{
    static void Main()
    {
        // Create an IronTesseract OCR engine
        var Ocr = new IronTesseract();

        // Load the Han language for OCR processing
        Ocr.Language = OcrLanguage.Han;

        // Using a 'using' statement for resource management
        using (var Input = new OcrInput(@"images\Han.png"))
        {
            // Process the image to extract text
            var Result = Ocr.Read(Input);

            // Retrieve and display the extracted text
            string AllText = Result.Text;
            System.Console.WriteLine(AllText);
        }
    }
}
' Reference the IronOcr library
Imports IronOcr

Friend Class Program
	Shared Sub Main()
		' Create an IronTesseract OCR engine
		Dim Ocr = New IronTesseract()

		' Load the Han language for OCR processing
		Ocr.Language = OcrLanguage.Han

		' Using a 'using' statement for resource management
		Using Input = New OcrInput("images\Han.png")
			' Process the image to extract text
			Dim Result = Ocr.Read(Input)

			' Retrieve and display the extracted text
			Dim AllText As String = Result.Text
			System.Console.WriteLine(AllText)
		End Using
	End Sub
End Class
$vbLabelText   $csharpLabel

解释

  • 我们首先引用 IronOcr 库来使用其 OCR 功能。
  • 创建IronTesseract实例来处理图像/PDF 文档。
  • OCR 过程的语言设置为Han ,使用Ocr.Language
  • 使用OcrInput加载图像,并通过调用Ocr.Read()进行处理。
  • OCR 处理的结果存储在Result.Text中,其中包含从文档中提取的文本。 最后,我们将文本打印到控制台。

确保使用正确的using指令,并using语句有效地管理资源,尤其是在处理文件流等非托管资源时。