C# OCR Image to Text Tutorial: Convert Images to Text Without Tesseract

最小工作流程（5 个步骤）

下载 IronOCR - 用于图像到文本转换的 C# OCR 库。

使用 IronTesseract 类立即读取图像中的文本

。

应用图像过滤器以提高低质量扫描的 OCR 精确度

使用可下载的语言包处理多种语言将结果导出为可搜索的 PDF 或提取文本字符串

如何在 .NET 应用程序中从图像中读取文本？ 要在您的 .NET 应用程序中实现 C# OCR 图像转文本功能，您需要一个可靠的 OCR 库。 IronOCR 使用 `IronOcr.IronTesseract` 类提供了一个托管解决方案，无需外部依赖即可最大限度地提高准确性和速度。 首先，将 IronOCR 安装到 Visual Studio 项目中。 You can download the [IronOCR DLL directly](https://www.nuget.org/packages/IronOcr/) or use [NuGet Package Manager](https://www.nuget.org/packages/IronOcr/). ```shell :ProductInstall ```

为什么在不使用 Tesseract 的情况下选择 IronOCR 进行 C# OCR？ 当您需要用 C# 将图像转换为文本时，IronOCR 与传统的 Tesseract 实现相比具有显著优势： - 可在纯 .NET 环境中立即使用 - 无需安装或配置 Tesseract - 运行最新的引擎：**Tesseract 5**（加上 Tesseract 4 和 3） - 与 .NET Framework 4.5+、.NET Standard 2+ 和 .NET Core 2、3、5、6、7、8、9 和 10 兼容 - 与原版 Tesseract 相比，提高了准确性和速度 - 支持 Xamarin、Mono、Azure 和 Docker 部署 - 通过 NuGet 包管理复杂的 Tesseract 词典 - 自动处理 PDF、多帧 TIFF 和所有主要图像格式 - 纠正低质量和倾斜扫描，以获得最佳效果

今天在您的项目中使用 IronOCR，免费试用。

第一步：

免费开始

如何使用 IronOCR C# 教程进行基础 OCR？ 这个 Iron Tesseract C# 示例演示了使用 IronOCR 从图像读取文本的最简单方法。 `IronOcr.IronTesseract` 类提取文本并以字符串形式返回。 ```csharp // Basic C# OCR image to text conversion using IronOCR // This example shows how to extract text from images without complex setup using IronOcr; using System; try { // Initialize IronTesseract for OCR operations var ocrEngine = new IronTesseract(); // Path to your image file - supports PNG, JPG, TIFF, BMP, and more var imagePath = @"img\Screenshot.png"; // Create input and perform OCR to convert image to text using (var input = new OcrInput(imagePath)) { // Read text from image and get results OcrResult result = ocrEngine.Read(input); // Display extracted text Console.WriteLine(result.Text); } } catch (OcrException ex) { // Handle OCR-specific errors Console.WriteLine($"OCR Error: {ex.Message}"); } catch (Exception ex) { // Handle general errors Console.WriteLine($"Error: {ex.Message}"); } ``` 该代码在清晰的图像上实现了 100% 的准确率，提取的文本与图像完全一致： ```txt IronOCR Simple Example In this simple example we test the accuracy of our C# OCR library to read text from a PNG Image. This is a very basic test, but things will get more complicated as the tutorial continues. The quick brown fox jumps over the lazy dog ``` `IronTesseract` 类在内部处理复杂的 OCR 操作。 它能自动扫描对齐、优化分辨率，并使用 IronOCR 从图像中读取文本，准确度达到人类水平。 尽管在幕后进行了复杂的处理，包括图像分析、引擎优化和智能文本识别，但 OCR 流程在保持出色准确性的同时，还能与人类的阅读速度相匹配。 ！[IronOCR 简单示例显示 C# OCR 图像到文本的转换，准确率达 100%](/img/tutorials/how-to-read-text-from-an-image-in-csharp-net/Example1.png)。 截图展示 IronOCR 从 PNG 图像中精确提取文本的能力如何在不配置 Tesseract 的情况下实现高级 C# OCR？ 对于需要在 C# 中将图像转换为文本时获得最佳性能的生产应用程序，请同时使用 `OcrInput` 和 `IronTesseract` 类。 这种方法提供了对 OCR 过程的细粒度控制。

OcrInput 类的功能

IronTesseract 类功能如何开始使用 OcrInput 和 IronTesseract？ 下面是本 IronOCR C# 教程的推荐配置，可以很好地适用于大多数文档类型： ```csharp using IronOcr; // Initialize IronTesseract for advanced OCR operations IronTesseract ocr = new IronTesseract(); // Create input container for processing multiple images using (OcrInput input = new OcrInput()) { // Process specific pages from multi-page TIFF files int[] pageIndices = new int[] { 1, 2 }; // Load TIFF frames - perfect for scanned documents input.LoadImageFrames(@"img\Potter.tiff", pageIndices); // Execute OCR to read text from image using IronOCR OcrResult result = ocr.Read(input); // Output the extracted text Console.WriteLine(result.Text); } ``` 该配置在中等质量的扫描件上始终保持近乎完美的准确性。 `LoadImageFrames` 方法可高效处理多页文档，因此非常适合批量处理场景。
。 IronOCR 如何处理低质量扫描？
*Low-resolution document with noise that IronOCR can process accurately using image filters* 在处理包含失真和数字噪声的不完美扫描时，**IronOCR 的性能优于其他 C# OCR 库**。 它是专门为现实世界的场景而设计的，而不是原始的测试图像。 ```csharp // Advanced Iron Tesseract C# example for low-quality images using IronOcr; using System; var ocr = new IronTesseract(); try { using (var input = new OcrInput()) { // Load specific pages from poor-quality TIFF var pageIndices = new int[] { 0, 1 }; input.LoadImageFrames(@"img\Potter.LowQuality.tiff", pageIndices); // Apply deskew filter to correct rotation and perspective input.Deskew(); // Critical for improving accuracy on skewed scans // Perform OCR with enhanced preprocessing OcrResult result = ocr.Read(input); // Display results Console.WriteLine("Recognized Text:"); Console.WriteLine(result.Text); } } catch (Exception ex) { Console.WriteLine($"Error during OCR: {ex.Message}"); } ``` 使用`Input.Deskew()`，低质量扫描的准确性提高到**99.8%**，几乎与高质量结果相匹配。 这就说明了为什么 IronOCR 是 C# OCR 的首选，而不会带来 Tesseract 的复杂性。 图像过滤器可能会略微增加处理时间，但会大大缩短整个 OCR 的持续时间。 找到正确的平衡点取决于您的文档质量。 在大多数情况下，`Input.Deskew()` 和 `Input.DeNoise()` 都能可靠地提高 OCR 性能。 了解[图像预处理技术](/csharp/ocr/tutorials/c-sharp-ocr-image-filters/)的更多信息。

如何优化 OCR 性能和速度？ 在 C# 中将图像转换为文本时，影响 OCR 速度的最主要因素是输入质量。 较高的 DPI（约 200 dpi）和最小的噪点可以产生最快、最准确的结果。 虽然 IronOCR 擅长纠正不完善的文档，但这种增强功能需要额外的处理时间。 选择压缩痕迹最小的图像格式。 由于数字噪声较低，TIFF 和 PNG 通常比 JPEG 能产生更快的效果。

哪些图像过滤器可提高 OCR 速度？ 以下过滤器可显著提高 C# OCR 图像到文本工作流程的性能： - **`OcrInput.Rotate(双度)`：**顺时针旋转图像（逆时针旋转为负值） - **`OcrInput.Binarize()`：**转换为黑/白，提高低对比度场景中的性能 - **`OcrInput.ToGrayScale()`：**转换为灰度，以提高速度。 - **`OcrInput.Contrast()`：**自动调整对比度以提高准确性 - **`OcrInput.DeNoise()`：**在预计会出现噪声时移除数字伪影 - **`OcrInput.Invert()`：**反转黑底白字的颜色 - **`OcrInput.Dilate()`：**扩展文本边界 - **`OcrInput.Erode()`：**减少文本边界 - **`OcrInput.Deskew()`：**校正对齐方式--对于倾斜文档至关重要 - **`OcrInput.DeepCleanBackgroundNoise()`：**强力去除噪声 - **`OcrInput.EnhanceResolution`：**改善低分辨率图像质量

如何配置 IronOCR 以获得最高速度？ 在处理高质量扫描时，使用这些设置可优化速度： ```csharp using IronOcr; // Configure for speed - ideal for clean documents IronTesseract ocr = new IronTesseract(); // Exclude problematic characters to speed up recognition ocr.Configuration.BlackListCharacters = "~`$#^*_{[]}|\\"; // Use automatic page segmentation ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto; // Select fast English language pack ocr.Language = OcrLanguage.EnglishFast; using (OcrInput input = new OcrInput()) { // Load specific pages from document int[] pageIndices = new int[] { 1, 2 }; input.LoadImageFrames(@"img\Potter.tiff", pageIndices); // Read with optimized settings OcrResult result = ocr.Read(input); Console.WriteLine(result.Text); } ``` 与默认设置相比，该优化设置在保持**99.8%**准确性的同时，实现了**35%的速度提升**。

如何使用 C# OCR 阅读图像的特定区域？ 下面的 Iron Tesseract C# 示例展示了如何使用 `System.Drawing.Rectangle` 锁定特定区域。 这种技术对于处理文本出现在可预测位置的标准化表单非常有用。

IronOCR 能否处理裁剪区域以获得更快的结果？ 使用基于像素的坐标，您可以将 OCR 限制在特定区域，从而大幅提高速度并防止提取不必要的文本： ```csharp using IronOcr; using IronSoftware.Drawing; // Initialize OCR engine for targeted region processing var ocr = new IronTesseract(); using (var input = new OcrInput()) { // Define exact region for OCR - coordinates in pixels var contentArea = new System.Drawing.Rectangle( x: 215, y: 1250, width: 1335, height: 280 ); // Load image with specific area - perfect for forms and invoices input.AddImage("img/ComSci.png", contentArea); // Process only the defined region OcrResult result = ocr.Read(input); Console.WriteLine(result.Text); } ``` 这种有针对性的方法在只提取相关文本的同时将速度提高了 **41%**。 它非常适合结构化文档，如[发票](/csharp/ocr/blog/using-ironocr/invoice-ocr-csharp-tutorial/)、支票和表单。 同样的裁剪技术可与[PDF OCR 操作](/csharp/ocr/how-to/input-pdfs/)无缝配合。 ！[计算机科学文档显示了 C# 中有针对性的 OCR 区域提取](/img/tutorials/how-to-read-text-from-an-image-in-csharp-net/ComSci.png)。 演示使用 IronOCR 的矩形选择功能进行基于区域的精确文本提取的文档IronOCR 支持多少种语言？ IronOCR 通过便捷的语言包提供 **125 种国际语言**。 从我们的网站或通过 [NuGet 软件包管理器](https://www.nuget.org/packages?q=IronOcr.Languages)以 DLL 形式下载。 Install language packs through the NuGet interface ([search "IronOcr.Languages"](https://www.nuget.org/packages?q=IronOcr.Languages)) or visit the [complete language pack listing](/csharp/ocr/languages/). 支持的语言包括阿拉伯语、中文（简体/繁体）、日语、韩语、印地语、俄语、德语、法语、西班牙语和其他 115 多种语言，每种语言都经过优化，可实现准确的文本识别。

如何在多种语言中实现 OCR？ 此 IronOCR C# 教程示例演示了阿拉伯语文本识别： ```shell :InstallCmd Install-Package IronOcr.Languages.Arabic ``` IronOCR 能否处理包含多种语言的文档？ 当文档包含混合语言时，配置 IronOCR 以支持多语言： ```shell :InstallCmd Install-Package IronOcr.Languages.ChineseSimplified ``` ```csharp // Multi-language OCR configuration using IronOcr; var ocr = new IronTesseract(); // Set primary language ocr.Language = OcrLanguage.ChineseSimplified; // Add secondary languages as needed ocr.AddSecondaryLanguage(OcrLanguage.English); // Custom .traineddata files can be added for specialized recognition // ocr.AddSecondaryLanguage("path/to/custom.traineddata"); using (var input = new OcrInput()) { // Process multi-language document input.AddImage("img/MultiLanguage.jpeg"); var result = ocr.Read(input); result.SaveAsTextFile("MultiLanguage.txt"); } ```

如何使用 C# OCR 处理多页文档？ IronOCR 可将多个页面或图像无缝合并到一个 `OcrResult` 中。 该功能可实现强大的功能，如[创建可搜索的 PDF](/csharp/ocr/how-to/searchable-pdf/) 和从整个文档集中提取文本。 在单个 OCR 操作中混合和匹配各种来源（图像、TIFF 框架和 PDF 页面）： ```csharp // Multi-source document processing using IronOcr; IronTesseract ocr = new IronTesseract(); using (OcrInput input = new OcrInput()) { // Add various image formats input.AddImage("image1.jpeg"); input.AddImage("image2.png"); // Process specific frames from multi-frame images int[] frameNumbers = { 1, 2 }; input.AddImageFrames("image3.gif", frameNumbers); // Process all sources together OcrResult result = ocr.Read(input); // Verify page count Console.WriteLine($"{result.Pages.Count} Pages processed."); } ``` 高效处理 TIFF 文件的所有页面： ```csharp using IronOcr; IronTesseract ocr = new IronTesseract(); using (OcrInput input = new OcrInput()) { // Define pages to process (0-based indexing) int[] pageIndices = new int[] { 0, 1 }; // Load specific TIFF frames input.LoadImageFrames("MultiFrame.Tiff", pageIndices); // Extract text from all frames OcrResult result = ocr.Read(input); Console.WriteLine(result.Text); Console.WriteLine($"{result.Pages.Count} Pages processed"); } ``` 将 TIFF 或 PDF 转换为可搜索格式： ```csharp using System; using IronOcr; IronTesseract ocr = new IronTesseract(); using (OcrInput input = new OcrInput()) { try { // Load password-protected PDF if needed input.LoadPdf("example.pdf", "password"); // Process entire document OcrResult result = ocr.Read(input); Console.WriteLine(result.Text); Console.WriteLine($"{result.Pages.Count} Pages recognized"); } catch (Exception ex) { Console.WriteLine($"Error processing PDF: {ex.Message}"); } } ```

如何从图像创建可搜索的 PDF？ IronOCR 擅长创建可搜索的 PDF - 这是数据库系统、搜索引擎优化和文档可访问性的关键功能。 ```csharp using IronOcr; IronTesseract ocr = new IronTesseract(); using (OcrInput input = new OcrInput()) { // Set document metadata input.Title = "Quarterly Report"; // Combine multiple sources input.AddImage("image1.jpeg"); input.AddImage("image2.png"); // Add specific frames from animated images int[] gifFrames = new int[] { 1, 2 }; input.AddImageFrames("image3.gif", gifFrames); // Create searchable PDF OcrResult result = ocr.Read(input); result.SaveAsSearchablePdf("searchable.pdf"); } ``` 将现有 PDF 转换为可搜索版本： ```csharp using IronOcr; var ocr = new IronTesseract(); using (var input = new OcrInput()) { // Set PDF metadata input.Title = "Annual Report 2024"; // Process existing PDF input.LoadPdf("example.pdf", "password"); // Generate searchable version var result = ocr.Read(input); result.SaveAsSearchablePdf("searchable.pdf"); } ``` 对 TIFF 转换应用同样的技巧： ```csharp using IronOcr; var ocr = new IronTesseract(); using (var input = new OcrInput()) { // Configure document properties input.Title = "Scanned Archive Document"; // Select pages to process var pageIndices = new int[] { 1, 2 }; input.LoadImageFrames("example.tiff", pageIndices); // Create searchable PDF from TIFF OcrResult result = ocr.Read(input); result.SaveAsSearchablePdf("searchable.pdf"); } ```

如何将 OCR 结果导出为 HOCR HTML？ IronOCR 支持 HOCR HTML 导出，可实现结构化的 **PDF 至 HTML** 和 **TIFF 至 HTML** 转换，同时保留布局信息： ```csharp using IronOcr; var ocr = new IronTesseract(); using (var input = new OcrInput()) { // Set HTML title input.Title = "Document Archive"; // Process multiple document types input.AddImage("image2.jpeg"); input.AddPdf("example.pdf", "password"); // Add TIFF pages var pageIndices = new int[] { 1, 2 }; input.AddTiff("example.tiff", pageIndices); // Export as HOCR with position data OcrResult result = ocr.Read(input); result.SaveAsHocrFile("hocr.html"); } ```

IronOCR 能否在读取文本的同时读取条形码？ IronOCR 将文本识别与[条形码阅读功能](/csharp/ocr/how-to/barcodes/)独特地结合在一起，无需单独的库： ```csharp // Enable combined text and barcode recognition using IronOcr; var ocr = new IronTesseract(); // Enable barcode detection ocr.Configuration.ReadBarCodes = true; using (var input = new OcrInput()) { // Load image containing both text and barcodes input.AddImage("img/Barcode.png"); // Process both text and barcodes var result = ocr.Read(input); // Extract barcode data foreach (var barcode in result.Barcodes) { Console.WriteLine($"Barcode Value: {barcode.Value}"); Console.WriteLine($"Type: {barcode.Type}, Location: {barcode.Location}"); } } ```

如何访问详细的 OCR 结果和元数据？ IronOCR 结果对象提供了全面的数据，高级开发人员可以利用这些数据开发复杂的应用程序。 每个 `OcrResult` 都包含分层集合：页面、段落、行、单词和字符。 所有元素都包括详细的元数据，如位置、字体信息和置信度分数。 单个元素（段落、单词、Barcode）可以导出为图像或位图，以便进一步处理： ```csharp using System; using IronOcr; using IronSoftware.Drawing; // Configure with barcode support IronTesseract ocr = new IronTesseract { Configuration = { ReadBarCodes = true } }; using OcrInput input = new OcrInput(); // Process multi-page document int[] pageIndices = { 1, 2 }; input.LoadImageFrames(@"img\Potter.tiff", pageIndices); OcrResult result = ocr.Read(input); // Navigate the complete results hierarchy foreach (var page in result.Pages) { // Page-level data int pageNumber = page.PageNumber; string pageText = page.Text; int pageWordCount = page.WordCount; // Extract page elements OcrResult.Barcode[] barcodes = page.Barcodes; AnyBitmap pageImage = page.ToBitmap(); double pageWidth = page.Width; double pageHeight = page.Height; foreach (var paragraph in page.Paragraphs) { // Paragraph properties int paragraphNumber = paragraph.ParagraphNumber; string paragraphText = paragraph.Text; double paragraphConfidence = paragraph.Confidence; var textDirection = paragraph.TextDirection; foreach (var line in paragraph.Lines) { // Line details including baseline information string lineText = line.Text; double lineConfidence = line.Confidence; double baselineAngle = line.BaselineAngle; double baselineOffset = line.BaselineOffset; foreach (var word in line.Words) { // Word-level data string wordText = word.Text; double wordConfidence = word.Confidence; // Font information (when available) if (word.Font != null) { string fontName = word.Font.FontName; double fontSize = word.Font.FontSize; bool isBold = word.Font.IsBold; bool isItalic = word.Font.IsItalic; } foreach (var character in word.Characters) { // Character-level analysis string charText = character.Text; double charConfidence = character.Confidence; // Alternative character choices for spell-checking OcrResult.Choice[] alternatives = character.Choices; } } } } } ```

摘要

向前迈进源代码下载

常见问题解答

如何在不使用 Tesseract 的情况下，将图像转换为 C# 中的文本？

您可以使用 IronOCR 在 C# 中将图像转换为文本，而无需 Tesseract。IronOCR 通过内置方法直接处理图像到文本的转换，简化了该过程。

如何提高低质量图像的 OCR 准确性？

IronOCR 提供如 Input.Deskew() 和 Input.DeNoise() 的图像滤镜，可以通过校正偏斜和减少噪声来增强低质量图像，从而显著提高 OCR 准确性。

在 C# 中使用 OCR 从多页文档中提取文本的步骤是什么？

要从多页文档中提取文本，IronOCR 允许您使用 LoadPdf() 方法来加载和处理每一页的 PDF 文件或处理 TIFF 文件，有效地将每一页转换为文本。

是否可以同时从图像中读取条码和文本？

是的，IronOCR 可以从一个图像中同时读取文本和条码。您可以启用条码读取 ocr.Configuration.ReadBarCodes = true，这使得能够提取文本和条码数据。

如何设置 OCR 以处理多语言文档？

IronOCR 支持超过 125 种语言，您可以使用 ocr.Language 设置主要语言，并通过 ocr.AddSecondaryLanguage() 添加其他语言，以实现多语言文档处理。

有哪些方法可以以不同格式导出 OCR 结果？

IronOCR 提供几种导出 OCR 结果的方法，例如用于 PDF 的 SaveAsSearchablePdf()，用于纯文本的 SaveAsTextFile()，以及用于 HOCR HTML 格式的 SaveAsHocrFile()。

如何优化大图像文件的 OCR 处理速度？

要优化 OCR 处理速度，请使用 IronOCR 的 OcrLanguage.EnglishFast 以加快语言识别，并定义特定的 OCR 区域 System.Drawing.Rectangle 以减少处理时间。

如何处理受保护 PDF 文件的 OCR 处理程序？

在处理受保护的 PDF 时，使用正确密码与 LoadPdf() 方法配合使用。IronOCR 通过自动将页面转换为图像来处理基于图像的 PDF，以进行 OCR 处理。

如果 OCR 结果不准确我该怎么办？

如果 OCR 结果不准确，请考虑使用 IronOCR 的图像增强功能，如 Input.Deskew() 和 Input.DeNoise()，并确保安装了正确的语言包。

我可以自定义 OCR 过程以排除某些字符吗？

可以，IronOCR 允许通过使用 BlackListCharacters 属性自定义 OCR 过程，以排除特定字符，从而通过专注于相关文本提高准确率和处理速度。