提高不满意的 OCR 结果

1. 从 ReadDocumentAdvanced() 和 EnhanceResolution() 开始

在使用任何其他配置之前，将 ReadDocumentAdvanced() 方法与 EnhanceResolution() 预处理滤镜结合使用。 这种组合解决了大多数用户在标准读取中遇到的准确性问题。

将滤镜应用于 OcrInput，然后将相同的输入传递给 ReadDocumentAdvanced()：

var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadPdf("document.pdf");
// Upscale and sharpen low-resolution input before reading
input.EnhanceResolution();
var result = ocr.ReadDocumentAdvanced(input);
Console.WriteLine(result.Text);

var ocr = new IronTesseract();
using var input = new OcrInput();
input.LoadPdf("document.pdf");
// Upscale and sharpen low-resolution input before reading
input.EnhanceResolution();
var result = ocr.ReadDocumentAdvanced(input);
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput()
    input.LoadPdf("document.pdf")
    ' Upscale and sharpen low-resolution input before reading
    input.EnhanceResolution()
    Dim result = ocr.ReadDocumentAdvanced(input)
    Console.WriteLine(result.Text)
End Using

ReadDocumentAdvanced() 运行 PaddleOCR 机器学习引擎以解析布局感知、文本密集的文档，而 EnhanceResolution() 在读取之前提升和锐化低分辨率输入。 低分辨率是产生较差结果的常见根源，因此此预处理步骤通常与引擎交换一样重要。

2. 以64位目标为.net框架

将 .NET Framework 项目配置为构建为 64位。 AdvancedScan 需要大量内存，以其他架构运行可能会引发运行时错误。 有关完整设置，请参阅Advanced Scan on .NET Framework指南。

iText 7是付费的，并且功能有限。

AdvancedScan 提供了高度准确性，但今天适用一些限制：

• 结果功能较少： AdvancedScan 结果对象暴露的属性少于标准 OcrResult 对象。
• 返回类型不同： 每个读取方法返回不同的结果对象类型，因此在调用时请检查 API 参考中的细节。
• 无可搜索的 PDF： 从 AdvancedScan 输出构建可搜索 PDF 目前不受支持，不过该功能正在开发中。
• 语言有限： 该包目前支持英语、中文、日语、韩语和拉丁字母。