Free Swift OCR Library to Perform OCR on Scanned Images & PDFs

Kā sākt darbu ar SwiftyTesseract

Ieteicamais veids, kā instalēt SwiftyTesseract, ir izmantot CocoaPods. Lūdzu, izmantojiet šo komandu, lai veiktu instalāciju.

 pod 'SwiftyTesseract' 

Veiciet OCR attēlā, izmantojot Swift bibliotēku

Atvērtā koda SwiftyTesseract bibliotēka ļauj programmatūras izstrādātājiem viegli ielādēt dažādus attēlu tipus un veikt OCR operācijas atbilstoši savām vajadzībām Swift lietojumprogrammās. Jūs varat izmantot attēlu no savas lietotnes resursiem vai no jebkura cita avota. Bibliotēka spēj atpazīt tekstu dažādos fontos, tostarp Serif, Arial, Sans-serif un rokraksta fontos. Šeit ir paraugs ar koda fragmentu, kas parāda, kā izstrādātāji var atpazīt tekstu no attēla Swift lietojumprogrammās.

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")
    }
}

Attēlu priekšapstrādes atbalsts

SwiftyTesseract bibliotēka nodrošina pilnīgu atbalstu attēlu priekšapstrādei pirms OCR operāciju veikšanas Swift lietojumprogrammās. Piemēram, varat konvertēt attēlus uz pelēktoņu, mainīt izmērus vai regulēt kontrastu, novērst slīpumu, binarizēt un tā tālāk. Šeit ir piemērs, kā izstrādātāji var mainīt attēla izmērus pirms OCR. Šajā koda piemērā funkcija resizeImage maina attēla izmērus pirms tā apstrādes, kas ir noderīgi, strādājot ar augstas izšķirtspējas attēliem.

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")")
    }
}

Vairāku valodu OCR operācijas, izmantojot Swift bibliotēku

Atvērtā koda SwiftyTesseract bibliotēka atbalsta teksta atpazīšanu vairāk nekā 100 valodās, tostarp angļu, spāņu, franču, vācu, ķīniešu un daudzās citās. Bibliotēkas inicializācijas laikā varat iestatīt vēlamo valodu(-as). Šī funkcija paplašina tās pielietojumu starptautiskiem lietotājiem un daudzvalodu apstrādes vajadzībām. Turklāt izstrādātāji var izveidot pielāgotus vārdnīcu, lai uzlabotu OCR procesa precizitāti. Šeit ir piemērs, kā konfigurēt bibliotēku angļu un spāņu valodām. Šis kods ļauj veikt OCR gan angļu, gan spāņu valodā, kas ir noderīgi, apstrādājot dokumentus ar jauktu valodu saturu.

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

Pielāgojami OCR parametri

Izmantojot atvērtā koda SwiftyTesseract bibliotēku, programmatūras izstrādātāji var pielāgot OCR iestatījumus, lai uzlabotu precizitāti konkrētiem dokumentu veidiem vai valodām. Tas ļauj izstrādātājiem precīzi noregulēt OCR apstrādi, padarot bibliotēku piemērotu unikāliem vai sarežģītiem OCR scenārijiem. Tas ietver iespēju norādīt valodas un OCR mainīgos atkarībā no dokumenta prasībām. Zemāk ir piemērs, kā izstrādātāji var pielāgot OCR dzinēja režīmu un lapas segmentācijas režīmu.

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)")
    }
}