open - ¿Cómo implementar y hacer OCR en un proyecto de C#?

tesseract ocr c# examples

Question

He estado buscando por un tiempo y todo lo que he visto algunas solicitudes de biblioteca OCR. Me gustaría saber cómo implementar la biblioteca de OCR más pura, fácil de instalar y usar con información detallada para la instalación en un proyecto de C #.

Si es posible, solo quiero implementarlo como una referencia habitual de dll ...

Ejemplo:

using org.pdfbox.pdmodel;
using org.pdfbox.util;

También sería bueno un pequeño ejemplo de código OCR, como:

public string OCRFromBitmap(Bitmap Bmp)
{
    Bmp.Save(temppath, System.Drawing.Imaging.ImageFormat.Tiff);
    string OcrResult = Analyze(temppath);
    File.Delete(temppath);
    return OcrResult;
}

Entonces, por favor, tenga en cuenta que no estoy familiarizado con los proyectos de OCR y dame una respuesta como hablar con un tonto.

Edit: supongo que la gente malentendió mi solicitud. Quería saber cómo implementar esas bibliotecas de código abierto de OCR en un proyecto de C # y cómo usarlas. El enlace dado como dup no da respuestas que solicité en absoluto.

Answer 1

Aquí hay uno: (visite http://hongouru.blogspot.ie/2011/09/c-ocr-optical-character-recognition.html o http://www.codeproject.com/Articles/41709/How-To-Use-Office-2007-OCR-Using-C para obtener más información

using MODI;
static void Main(string[] args)
{
    DocumentClass myDoc = new DocumentClass();
    myDoc.Create(@"theDocumentName.tiff"); //we work with the .tiff extension
    myDoc.OCR(MiLANGUAGES.miLANG_ENGLISH, true, true);

    foreach (Image anImage in myDoc.Images)
    {
        Console.WriteLine(anImage.Layout.Text); //here we cout to the console.
    }
}

Answer 2

Estoy usando el motor de OCR tesseract con TessNet2 (un envoltorio de C # - http://www.pixel-technology.com/freeware/tessnet2/ ).

Algún código básico:

using tessnet2;

...

Bitmap image = new Bitmap(@"u:/user files/bwalker/2849257.tif");
            tessnet2.Tesseract ocr = new tessnet2.Tesseract();
            ocr.SetVariable("tessedit_char_whitelist", "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz.,$-/#&=()/"'':?"); // Accepted characters
            ocr.Init(@"C:/Users/bwalker/Documents/Visual Studio 2010/Projects/tessnetWinForms/tessnetWinForms/bin/Release/", "eng", false); // Directory of your tessdata folder
            List<tessnet2.Word> result = ocr.DoOCR(image, System.Drawing.Rectangle.Empty);
            string Results = "";
            foreach (tessnet2.Word word in result)
            {
                Results += word.Confidence + ", " + word.Text + ", " + word.Left + ", " + word.Top + ", " + word.Bottom + ", " + word.Right + "/n";
            }

Answer 3

Hay un contenedor de .NET para Tesseract 3.01: https://github.com/charlesw/tesseract-ocr-dotnet

Answer 4

Otra opción para esto es usar Neevia Document Converter que tiene capacidad incorporada de OCR. Puede ejecutar prácticamente cualquier tipo de archivo y producirá un pdf que es esencial para un gran documento de texto, que luego puede abrir y buscar utilizando ITextSharper

Answer 5

Si alguien está investigando esto, he estado probando diferentes opciones y el siguiente enfoque produce muy buenos resultados. Los siguientes son los pasos para obtener un ejemplo de trabajo:

1. Agregue .NET Wrapper para tesseract a su proyecto. Se puede agregar a través del paquete NuGet Install-Package Tesseract ( https://github.com/charlesw/tesseract ).
2. Vaya a la sección de Downloads del proyecto oficial de Tesseract ( Tesseract EDIT: ahora se encuentra aquí: https://github.com/tesseract-ocr/langdata ).
3. Descargue los datos de idioma preferido, por ejemplo: tesseract-ocr-3.02.eng.tar.gz English language data for Tesseract 3.02 .
4. Cree tessdata directorio de tessdata en su proyecto y coloque los archivos de datos de idioma en él.
5. Vaya a Properties de los archivos recién agregados y configúrelos para que se copien en la compilación.
6. Añadir una referencia a System.Drawing .
7. Desde el repositorio de .NET Wrapper, en el directorio de Samples , copie el archivo phototest.tif muestra en el directorio de su proyecto y phototest.tif para que se copie en la compilación.
8. Cree los siguientes dos archivos en su proyecto (solo para comenzar):

Program.cs

using System;
using Tesseract;
using System.Diagnostics;

namespace ConsoleApplication
{
    class Program
    {
        public static void Main(string[] args)
        {
            var testImagePath = "./phototest.tif";
            if (args.Length > 0)
            {
                testImagePath = args[0];
            }

            try
            {
                var logger = new FormattedConsoleLogger();
                var resultPrinter = new ResultPrinter(logger);
                using (var engine = new TesseractEngine(@"./tessdata", "eng", EngineMode.Default))
                {
                    using (var img = Pix.LoadFromFile(testImagePath))
                    {
                        using (logger.Begin("Process image"))
                        {
                            var i = 1;
                            using (var page = engine.Process(img))
                            {
                                var text = page.GetText();
                                logger.Log("Text: {0}", text);
                                logger.Log("Mean confidence: {0}", page.GetMeanConfidence());

                                using (var iter = page.GetIterator())
                                {
                                    iter.Begin();
                                    do
                                    {
                                        if (i % 2 == 0)
                                        {
                                            using (logger.Begin("Line {0}", i))
                                            {
                                                do
                                                {
                                                    using (logger.Begin("Word Iteration"))
                                                    {
                                                        if (iter.IsAtBeginningOf(PageIteratorLevel.Block))
                                                        {
                                                            logger.Log("New block");
                                                        }
                                                        if (iter.IsAtBeginningOf(PageIteratorLevel.Para))
                                                        {
                                                            logger.Log("New paragraph");
                                                        }
                                                        if (iter.IsAtBeginningOf(PageIteratorLevel.TextLine))
                                                        {
                                                            logger.Log("New line");
                                                        }
                                                        logger.Log("word: " + iter.GetText(PageIteratorLevel.Word));
                                                    }
                                                } while (iter.Next(PageIteratorLevel.TextLine, PageIteratorLevel.Word));
                                            }
                                        }
                                        i++;
                                    } while (iter.Next(PageIteratorLevel.Para, PageIteratorLevel.TextLine));
                                }
                            }
                        }
                    }
                }
            }
            catch (Exception e)
            {
                Trace.TraceError(e.ToString());
                Console.WriteLine("Unexpected Error: " + e.Message);
                Console.WriteLine("Details: ");
                Console.WriteLine(e.ToString());
            }
            Console.Write("Press any key to continue . . . ");
            Console.ReadKey(true);
        }



        private class ResultPrinter
        {
            readonly FormattedConsoleLogger logger;

            public ResultPrinter(FormattedConsoleLogger logger)
            {
                this.logger = logger;
            }

            public void Print(ResultIterator iter)
            {
                logger.Log("Is beginning of block: {0}", iter.IsAtBeginningOf(PageIteratorLevel.Block));
                logger.Log("Is beginning of para: {0}", iter.IsAtBeginningOf(PageIteratorLevel.Para));
                logger.Log("Is beginning of text line: {0}", iter.IsAtBeginningOf(PageIteratorLevel.TextLine));
                logger.Log("Is beginning of word: {0}", iter.IsAtBeginningOf(PageIteratorLevel.Word));
                logger.Log("Is beginning of symbol: {0}", iter.IsAtBeginningOf(PageIteratorLevel.Symbol));

                logger.Log("Block text: /"{0}/"", iter.GetText(PageIteratorLevel.Block));
                logger.Log("Para text: /"{0}/"", iter.GetText(PageIteratorLevel.Para));
                logger.Log("TextLine text: /"{0}/"", iter.GetText(PageIteratorLevel.TextLine));
                logger.Log("Word text: /"{0}/"", iter.GetText(PageIteratorLevel.Word));
                logger.Log("Symbol text: /"{0}/"", iter.GetText(PageIteratorLevel.Symbol));
            }
        }
    }
}

FormattedConsoleLogger.cs

using System;
using System.Collections.Generic;
using System.Text;
using Tesseract;

namespace ConsoleApplication
{
    public class FormattedConsoleLogger
    {
        const string Tab = "    ";
        private class Scope : DisposableBase
        {
            private int indentLevel;
            private string indent;
            private FormattedConsoleLogger container;

            public Scope(FormattedConsoleLogger container, int indentLevel)
            {
                this.container = container;
                this.indentLevel = indentLevel;
                StringBuilder indent = new StringBuilder();
                for (int i = 0; i < indentLevel; i++)
                {
                    indent.Append(Tab);
                }
                this.indent = indent.ToString();
            }

            public void Log(string format, object[] args)
            {
                var message = String.Format(format, args);
                StringBuilder indentedMessage = new StringBuilder(message.Length + indent.Length * 10);
                int i = 0;
                bool isNewLine = true;
                while (i < message.Length)
                {
                    if (message.Length > i && message[i] == ''/r'' && message[i + 1] == ''/n'')
                    {
                        indentedMessage.AppendLine();
                        isNewLine = true;
                        i += 2;
                    }
                    else if (message[i] == ''/r'' || message[i] == ''/n'')
                    {
                        indentedMessage.AppendLine();
                        isNewLine = true;
                        i++;
                    }
                    else
                    {
                        if (isNewLine)
                        {
                            indentedMessage.Append(indent);
                            isNewLine = false;
                        }
                        indentedMessage.Append(message[i]);
                        i++;
                    }
                }

                Console.WriteLine(indentedMessage.ToString());

            }

            public Scope Begin()
            {
                return new Scope(container, indentLevel + 1);
            }

            protected override void Dispose(bool disposing)
            {
                if (disposing)
                {
                    var scope = container.scopes.Pop();
                    if (scope != this)
                    {
                        throw new InvalidOperationException("Format scope removed out of order.");
                    }
                }
            }
        }

        private Stack<Scope> scopes = new Stack<Scope>();

        public IDisposable Begin(string title = "", params object[] args)
        {
            Log(title, args);
            Scope scope;
            if (scopes.Count == 0)
            {
                scope = new Scope(this, 1);
            }
            else
            {
                scope = ActiveScope.Begin();
            }
            scopes.Push(scope);
            return scope;
        }

        public void Log(string format, params object[] args)
        {
            if (scopes.Count > 0)
            {
                ActiveScope.Log(format, args);
            }
            else
            {
                Console.WriteLine(String.Format(format, args));
            }
        }

        private Scope ActiveScope
        {
            get
            {
                var top = scopes.Peek();
                if (top == null) throw new InvalidOperationException("No current scope");
                return top;
            }
        }
    }
}