Libreria OCR Swift Gratuita per Eseguire OCR su Immagini Scansionate e PDF

Iniziare con SwiftyTesseract

Il modo consigliato per installare SwiftyTesseract è utilizzare CocoaPods. Si prega di usare il comando seguente per un'installazione senza problemi.

 pod 'SwiftyTesseract' 

Eseguire OCR su un'Immagine tramite Libreria Swift

Libreria open source SwiftyTesseract rende facile per gli sviluppatori caricare diversi tipi di immagini ed eseguire operazioni OCR secondo le proprie necessità all'interno delle applicazioni Swift. È possibile utilizzare un'immagine dalle risorse dell'app o da qualsiasi altra fonte. La libreria può riconoscere testo in vari font, inclusi Serif, Arial, Sans-serif e font script. Ecco un frammento di codice di esempio che dimostra come gli sviluppatori possono riconoscere testo da un'immagine all'interno delle applicazioni Swift.

import SwiftyTesseract

// Load the image
let image = UIImage(named: "image.jpg")!

// Create a Tesseract instance
let tesseract = Tesseract()

// Set the language to English
tesseract.language = "eng"

// Set the image
tesseract.image = image

// Recognize the text
tesseract.recognize() { result in
    if let text = result.text {
        print("Recognized text: \(text)")
    } else {
        print("Error recognizing text")
    }
}

Supporto al Preprocessamento delle Immagini

La libreria SwiftyTesseract offre un supporto completo al preprocessamento delle immagini prima di eseguire operazioni OCR all'interno delle applicazioni Swift. Ad esempio, è possibile convertire le immagini in scala di grigi, ridimensionarle, regolare il contrasto, raddrizzare un'immagine, binarizzare e così via. Ecco un esempio che mostra come gli sviluppatori possono ridimensionare un'immagine prima di eseguire l'OCR. In questo esempio di codice, resizeImage ridimensiona l'immagine prima che venga elaborata, il che può essere utile quando si lavora con immagini ad alta risoluzione.

func resizeImage(_ image: UIImage, newSize: CGSize) -> UIImage? {
    UIGraphicsBeginImageContextWithOptions(newSize, false, 0.0)
    image.draw(in: CGRect(origin: .zero, size: newSize))
    let newImage = UIGraphicsGetImageFromCurrentImageContext()
    UIGraphicsEndImageContext()
    return newImage
}

if let resizedImage = resizeImage(image, newSize: CGSize(width: 300, height: 300)) {
    tesseract.performOCR(on: resizedImage) { recognizedText in
        print("Resized Image OCR result: \(recognizedText ?? "No text found")")
    }
}

Operazioni OCR multilingua tramite Libreria Swift

La libreria open source SwiftyTesseract supporta il riconoscimento del testo in oltre 100 lingue, incluse Inglese, Spagnolo, Francese, Tedesco, Cinese e molte altre. È possibile impostare la lingua desiderata al momento dell'inizializzazione della libreria. Questa funzionalità amplia il suo ambito di utilizzo per utenti internazionali e requisiti di elaborazione multilingua. Inoltre, gli sviluppatori possono creare dizionari personalizzati per migliorare l'accuratezza del processo OCR. Ecco un esempio di configurazione della libreria per Inglese e Spagnolo. Questo codice abilita l'OCR sia in Inglese che in Spagnolo, utile quando si elaborano documenti con contenuti multilingua.

let tesseract = SwiftyTesseract(language: [.english, .spanish])

Parametri OCR personalizzabili

Utilizzando la libreria open source SwiftyTesseract, gli sviluppatori hanno la possibilità di personalizzare le impostazioni OCR per migliorare l'accuratezza per tipi specifici di documenti o lingue. Consente di affinare l'elaborazione OCR, rendendo la libreria adattabile a scenari OCR unici o complessi. Ciò include la possibilità di specificare lingue e variabili OCR in base alle esigenze del documento. Di seguito è riportato un esempio che mostra come gli sviluppatori possono personalizzare la modalità del motore OCR e la modalità di segmentazione della pagina.

let tesseract = SwiftyTesseract(language: .english, engineMode: .lstmOnly)
tesseract.performOCR(on: image, configuration: [.psm(.auto)]) { recognizedString in
    if let recognizedString = recognizedString {
        print("Recognized text with custom PSM: \(recognizedString)")
    }
}