Read & Extract Text from Images via Python API

Kom i gang med Aspose.OCR for Python via .NET

Den anbefalede måde at installere Aspose.OCR for Python via .NET på er ved at bruge pip. Brug venligst følgende kommando for en problemfri installation.

 pip install aspose-ocr-python-net

OCR‑operationer med høj nøjagtighed via Python

Aspose.OCR for Python via .NET er konstrueret til høj præcision og nøjagtighed. Biblioteket indeholder avancerede maskin‑læringsmodeller, som forbedrer udtrækningsnøjagtigheden, selv for skæve eller lav‑opløsnings‑billeder. Denne funktion gør det velegnet til applikationer, der kræver pålidelig tekstgenkendelse, såsom automatiseret dataudtræk fra scannede formularer eller dokumenter. Følgende kodeeksempel viser en simpel implementering, hvor et billede indlæses, behandles, og den genkendte tekst vises.

# Initialize OCR engine
recognitionEngine = AsposeOcr()

# Add image to batch
input = OcrInput(InputType.SINGLE_IMAGE)
input.add("sample.png")

# Extract text from image
result = recognitionEngine.recognize(input)
# Display the recognition result
print(result[0].recognition_text)

Billed‑forbehandlingsfunktioner

Aspose.OCR for Python via .NET‑biblioteket leverer kraftfulde billed‑forbehandlingsfunktioner i Python‑applikationer. Funktionerne forbedrer OCR‑nøjagtigheden, såsom korrektion af skævhed, fjernelse af støj og billed‑normalisering. Disse forbehandlingsskridt er afgørende, når man arbejder med billeder, der kan være scannet under suboptimale forhold. Følgende eksempel demonstrerer, hvordan udviklere kan udføre en skævhedskorrektion, som sikrer, at tekst registreres præcist, selvom billedet er let vinklet eller ikke helt justeret.

from aspose.ocr import OcrEngine, SkewCorrection

ocr_engine = OcrEngine()

# Enable skew correction
ocr_engine.set_skew_correction(SkewCorrection.True)

ocr_engine.image = "skewed_image.png"
recognized_text = ocr_engine.get_text()
print("Corrected and Recognized Text:", recognized_text)

Håndskrevet tekstgenkendelse via Python

Aspose.OCR for Python via .NET er meget nemt at håndtere og kan genkende både trykt og håndskrevet tekst med blot et par linjer Python‑kode. Denne funktion er yderst nyttig for applikationer som digitalisering af håndskrevne noter eller signaturer. Softwarens evne til at fortolke forskellige tekststile øger dens anvendelighed i sektorer som uddannelse og juridisk dokumentation. Her er et eksempel, der viser, hvordan man udfører håndskrevet tekstgenkendelse ved hjælp af Python‑kode.

api = ocr.AsposeOcr()

''' add filters if you need '''
filters = ocr.models.preprocessingfilters.PreprocessingFilter()
#filters.add(ocr.models.preprocessingfilters.PreprocessingFilter.contrast_correction_filter())

''' initialize image collection and put images into it '''
input = ocr.OcrInput(ocr.InputType.SINGLE_IMAGE, filters)
input.add("Data\\OCR\\handwritten.jpg")

''' change recognition options if you need '''
settings = ocr.RecognitionSettings()
settings.detect_areas_mode=ocr.DetectAreasMode.PHOTO

''' run recognition '''
res = api.recognize_handwritten_text(input)
print(res[0].recognition_text)

OCR‑tilpassede billedregioner i Python‑apps

Aspose.OCR for Python via .NET har fuldstændig understøttelse af at genkende tekst fra et bestemt område af et billede i Python‑applikationer. Softwareudviklere kan angive specifikke regioner inden for et billede til OCR, hvilket er nyttigt i scenarier, hvor kun en del af billedet indeholder relevant tekst. Udviklere kan definere tilpassede regioner for OCR på et billede, sætte genkendelses‑tilstande og justere andre parametre for at optimere OCR‑processen baseret på specifikke applikationskrav. Her er et eksempel, der viser, hvordan softwareudviklere kan genkende en enkelt linje tekst med blot et par linjer Python‑kode.

api = AsposeOcr()

# Create OcrInput and add images
input = OcrInput(InputType.SINGLE_IMAGE)
input.add("sample_line.png")

# recognize without regions detection
settings = RecognitionSettings()
settings.recognize_single_line = True

result = api.recognize(input, settings)

print(result[0].recognition_text)