Python API के माध्यम से इमेज से टेक्स्ट पढ़ें और निकालें

Aspose.OCR for Python via .NET के साथ शुरूआत

Aspose.OCR for Python via .NET को स्थापित करने का अनुशंसित तरीका pip का उपयोग करना है। कृपया सुगम स्थापना के लिए निम्न कमांड का उपयोग करें।

 pip install aspose-ocr-python-net

Python के माध्यम से उच्च सटीकता वाले OCR ऑपरेशन्स

Aspose.OCR for Python via .NET को उच्च सटीकता और शुद्धता के लिए डिज़ाइन किया गया है। लाइब्रेरी उन्नत मशीन लर्निंग मॉडल को सम्मिलित करती है जो टेक्स्ट निष्कर्षण की सटीकता को सुधारते हैं, यहाँ तक कि विकृत या कम रिज़ॉल्यूशन वाली इमेज में भी। यह सुविधा उन अनुप्रयोगों के लिए उपयुक्त बनाती है जिन्हें विश्वसनीय टेक्स्ट पहचान की आवश्यकता होती है, जैसे स्कैन किए गए फ़ॉर्म या दस्तावेज़ों से स्वचालित डेटा निष्कर्षण। नीचे दिया गया कोड स्निपेट एक सरल कार्यान्वयन दर्शाता है जहाँ इमेज लोड की जाती है, प्रोसेस की जाती है, और उसकी पहचानी गई टेक्स्ट प्रदर्शित की जाती है।

# 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)

इमेज पूर्व-प्रसंस्करण क्षमताएँ

Aspose.OCR for Python via .NET लाइब्रेरी Python एप्लिकेशन के भीतर शक्तिशाली इमेज पूर्व-प्रसंस्करण सुविधाएँ प्रदान करती है। ये सुविधाएँ OCR की सटीकता को बढ़ाती हैं, जैसे स्क्यू सुधार, शोर हटाना, और इमेज सामान्यीकरण। ये पूर्व-प्रसंस्करण चरण उन इमेज के साथ काम करते समय महत्वपूर्ण होते हैं जो अधो-उपयुक्त स्थितियों में स्कैन की गई हों। नीचे दिया गया उदाहरण दर्शाता है कि डेवलपर्स कैसे स्क्यू सुधार ऑपरेशन को लागू कर सकते हैं जिससे टेक्स्ट सटीक रूप से पहचाना जा सके, भले ही इमेज थोड़ा झुका हुआ या पूरी तरह से संरेखित न हो।

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)

Python के माध्यम से हस्तलिखित टेक्स्ट पहचान

Aspose.OCR for Python via .NET बहुत आसान है और प्रिंटेड तथा हस्तलिखित दोनों टेक्स्ट को केवल कुछ लाइनों के Python कोड से पहचान सकता है। यह सुविधा उन अनुप्रयोगों के लिए बहुत उपयोगी है जैसे हस्तलिखित नोट्स या हस्ताक्षर को डिजिटल रूप में बदलना। सॉफ़्टवेयर की विभिन्न शैलियों के टेक्स्ट को समझने की क्षमता शिक्षा और कानूनी दस्तावेज़ जैसे क्षेत्रों में इसकी उपयोगिता को बढ़ाती है। नीचे एक उदाहरण दिया गया है जो दिखाता है कि Python कोड का उपयोग करके हस्तलिखित टेक्स्ट पहचान कैसे की जाती है।

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)

Python ऐप्स में OCR कस्टम इमेज क्षेत्रों

Aspose.OCR for Python via .NET ने Python एप्लिकेशन के भीतर इमेज के किसी विशेष क्षेत्र से टेक्स्ट पहचान के लिए पूर्ण समर्थन प्रदान किया है। सॉफ़्टवेयर डेवलपर्स इमेज के भीतर विशिष्ट क्षेत्रों को OCR के लिए निर्दिष्ट कर सकते हैं, जो उन स्थितियों में उपयोगी है जहाँ केवल इमेज का एक भाग ही प्रासंगिक टेक्स्ट रखता है। डेवलपर्स इमेज पर कस्टम क्षेत्रों को परिभाषित कर सकते हैं, पहचान मोड सेट कर सकते हैं, और अन्य पैरामीटर को समायोजित कर सकते हैं ताकि विशिष्ट एप्लिकेशन आवश्यकताओं के आधार पर OCR प्रक्रिया को अनुकूलित किया जा सके। नीचे दिया गया उदाहरण दिखाता है कि सॉफ़्टवेयर डेवलपर्स केवल कुछ लाइनों के Python कोड से एक पंक्ति का टेक्स्ट कैसे पहचान सकते हैं।

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)