Texterkennung
Wie man Text aus Scanned Images mit Aspose.OCR extrahiert

Wie man Text aus Scanned Images mit Aspose.OCR extrahiert

Die Scannen von Verträgen, Vereinbarungen, Buchseiten oder alten Aufzeichnungen erzeugen in der Regel Bilddateien – nicht editable Text. Aspose.OCR Scan to Text for .NET ermöglicht es Ihnen, die Extraction von strukturierter, suchtbarer Text aus jedem scannierten Dokument oder Foto zu automatisieren, spart unzählige Stunden manueller Eingabe.

Real-Weltproblem

Papierdokumente, Bücher und Archive werden oft als Bilder gespeichert.Extracting their content for digital workflows, compliance, or research can be slow, costly, and prone to error if done manually.

Überblick der Lösung

Aspose.OCR Scan to Text for .NET konvertiert Bilder von gedruckten Seiten in benutzerdefiniertes Text, verarbeitet Single-Column, Multi- Column und komplexe Layouts. Der Workflow ist perfekt für die Digitalisierung von Verträgen, Büchern, Aufzeichnungen und Geschäftsdokumenten für moderne Nutzung.

Voraussetzung

Stellen Sie sicher, dass Sie haben:

  • Visual Studio 2019 oder später
  • .NET 6.0 oder höher (oder .Net Framework 4.6.2+)
  • Aspose.OCR für .NET von NuGet
  • Grundkenntnisse C#
PM> Install-Package Aspose.OCR

Schritt für Schritt Implementierung

Schritt 1: Installieren und konfigurieren Aspose.OCR

Fügen Sie das NuGet-Paket und die Referenz Aspose.OCR hinzu:

using Aspose.OCR;

Schritt 2: Hinzufügen von Scanned Images

Laden Sie einzelne oder mehrere Bilddateien zu verarbeiten.

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("contract_page1.png");
input.Add("agreement_page2.jpg");

Schritt 3: Konfigurieren der Anerkennung Einstellungen

Tune für Dokumentsprache und Layout nach Bedarf.

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
// For complex or multi-column layouts:
settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

Schritt 4: Durchführen des Recognitionsprozesses 

AsposeOcr ocr = new AsposeOcr();
List<RecognitionResult> results = ocr.Recognize(input, settings);

Schritt 5: Speichern oder Verarbeiten des extrahierten Textes 

foreach (RecognitionResult result in results)
{
    Console.WriteLine(result.RecognitionText);
    result.Save("scanned_text.txt", SaveFormat.Text);
    // Save to Word or PDF as needed
    result.Save("scanned_text.docx", SaveFormat.Docx);
    result.Save("scanned_text.pdf", SaveFormat.Pdf);
}

Schritt 6: Fehlerbehandlung hinzufügen 

try
{
    AsposeOcr ocr = new AsposeOcr();
    List<RecognitionResult> results = ocr.Recognize(input, settings);
    // Use results...
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Schritt 7: Optimierung von Dokumentlayouts

  • Für Bücher oder Artikel, verwenden Sie DetectAreasMode.DOCUMENT oder versuchen Sie detektAreaModa.AUTO
  • Vorverarbeitete Bilder (Korn, Deskew) für die beste Genauigkeit
  • Batch-Prozess für große Archive
foreach (string file in Directory.GetFiles("./scans", "*.jpg"))
{
    input.Add(file);
}

Schritt 8: Vollständiges Beispiel 

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.SingleImage);
            input.Add("contract_page1.png");
            input.Add("agreement_page2.jpg");

            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;
            settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

            AsposeOcr ocr = new AsposeOcr();
            List<RecognitionResult> results = ocr.Recognize(input, settings);

            foreach (RecognitionResult result in results)
            {
                Console.WriteLine(result.RecognitionText);
                result.Save("scanned_text.txt", SaveFormat.Text);
                result.Save("scanned_text.docx", SaveFormat.Docx);
                result.Save("scanned_text.pdf", SaveFormat.Pdf);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Verwendung von Fällen und Anwendungen

Abkommen und Digitalisierung

Schnell digitalisieren Sie rechtliche oder geschäftliche Dokumente für Such-, Archiv- und digitale Arbeitsflüsse.

Buch und Archivverarbeitung

Konvertieren Sie Buchseiten oder historische Aufzeichnungen in Suchbare, bearbeitbare Formate.

Übereinstimmung und Datenerhebung

Automatisierte Konformitätsprüfungen, Audits oder Text-Extraktionen aus Erbedokumenten ermöglichen.

Gemeinsame Herausforderungen und Lösungen

Herausforderung 1: Low-Quality Scans oder Faded Text

Lösung: Verwenden Sie Vorverarbeitung oder Verbesserung von Bildern für bessere OCR-Genauigkeit.

Herausforderung 2: Multi-Column oder komplexe Layouts

Lösung: Anpassen Sie DetectAreasMode und testen Sie für die beste Layout-Management.

Herausforderung 3: Batch Digitalisierung

Lösung: Verwenden Sie Batch-Verarbeitung und Ressourcenmanagement für große Jobs.

Performance Beachtung

  • Batchprozess für Geschwindigkeit und Skalierbarkeit
  • Nutzen Sie qualitativ hochwertige Quellbilder
  • OCR-Objekte nach der Verwendung

Beste Praktiken

  • Validieren Sie immer abgeleitete Texte vor Automatisierung oder Archivierung
  • Verwenden Sie die korrekten Erkennungsinstellungen für den Dokumenttyp
  • Backup Original-Scans für Referenz
  • OCR-Testergebnisse auf einem Probenbett vor der Produktion

Fortgeschrittene Szenarien

Szenario 1: Mehrsprachige Dokumentekstraktion 

settings.Language = Language.French;

Szenario 2: Export zu JSON für Integration 

foreach (RecognitionResult result in results)
{
    result.Save("scanned_text.json", SaveFormat.Json);
}

Schlussfolgerungen

Aspose.OCR Scan to Text for .NET ist der schnellste Weg, um geschanzte Bilder und Papierdokumente in benutzerdefiniertes, bearbeitungsfähiges Text zu konvertieren – ideal für juristische, akademische oder unternehmerische Projekte.

Weitere Beispiele und technische Details finden Sie im Aspose.OCR für .NET API Referenz .

 Deutsch