Thứ sáu, 25 Tháng mười hai 2009, 15:12 GMT+7

VietOCR 1.5: Nhận dạng ký tự tiếng Việt “chuẩn không cần chỉnh”

Sau nhiều lần nâng cấp, phiên bản mới của VietOCR đã có thêm nhiều tính năng đáng giá như: hỗ trợ chế độ quét tích hợp, nhận dạng ký tự tiếng Việt trên nhiều dạng ảnh (bmp, jpg, tiff, png), hỗ trợ các tài liệu ảnh nhiều trang và cơ chế xử lý hậu kỳ, giúp khắc phục một số lỗi về ngữ nghĩa, chính tả sau khi xử lý. Đặc biệt chương trình hoàn toàn miễn phí.

Dung lượng: 4,2MB.
Tải tại: http://websitetinhoc.com (miễn phí).

Mô tả ảnh.
Nguồn: Diendantinhoc
So với một số phần mềm nhận dạng văn bản tiếng Việt như: VnDOCR, VietOCR thuộc vào hàng “ngon, bổ” và miễn phí. Tốc độ biên dịch nội dung nhanh, giao diện đơn giản, dễ sử dụng và mức độ chính xác có thể đạt hơn 80%.

VietOCR bao gồm hai phiên bản: phiên bản GUI Form chạy trên Windows (hỗ trợ cả 32/64bit) và phiên bản Swing GUI (sử dụng Java) có thể hoạt động trên nhiều hệ điều hành khác nhau như: Windows, Linux,…

VietOCR có thể sử dụng như một trình nhận dạng ký tự quang học độc lập (xử lý các file ảnh, dữ liệu sẵn có) hoặc kết hợp với chức năng quét để xử lý các tài liệu được nạp từ bên ngoài.

Thao tác xử lý văn bản được chia thành các loại:

1. Nhận dạng tài liệu ảnh:

Thông thường khi quét xong một tài liệu văn bản, file thu được sẽ được lưu dưới dạng một tài liệu ảnh và không thể xử lý (xoá text, nhập liệu, chỉnh sửa nội dung,…) như ban đầu. VietOCR sẽ có nhiệm vụ chuyển đổi các tài liệu này sang văn bản để bạn có thể xử lý dễ dàng. VietOCR hỗ trợ khá nhiều định dạng ảnh như: jpg, bmp, png, tiff, tuy nhiên không hỗ trợ định dạng gif.

Để sử dụng chương trình, bạn cần cài đặt thêm gói Visual C++ 2008 SP1 (nếu gói này chưa được cài đặt vào hệ thống), sau đó truy cập menu File > Open, trong phần File of types bạn chọn là All Image Files và nạp vào file văn bản cần xử lý. Xong, nhấn nút Open.

Tiếp đến, trên giao diện chính, bạn sẽ nhìn thấy hai khu vực: khu vực nằm bên trái chứa nội dung của file tài liệu vừa mới thêm vào, khung bên phải sẽ là tài liệu sau khi trích xuất từ file ảnh. Khi phần nội dung đã được nạp xong, bạn nhấn đề mục OCR Language (góc trên bên phải màn hình) và chọn Vietnamese. Sau đó, nhấn nút OCR để bắt đầu quá trình biên dịch nội dung, tốc độ nhanh hay chậm còn tùy thuộc vào độ dài, ngắn của văn bản và tốc độ xử lý của máy tính.

Sau khi biên dịch xong, bạn sẽ có ngay phần dữ liệu dạng text, có thể xoá hay thay đổi một cách dễ dàng. Một điểm hay của VietOCR, đó là khả năng tích hợp bộ gõ tiếng Việt (hoạt động dựa trên bộ gõ Unikey), cho phép bạn dễ dàng thay đổi nội dung văn bản có dấu mà không cần bộ gõ Unikey thường trực nơi khay hệ thống. Để định bộ gõ trong VietOCR, bạn truy cập menu Settings > Viet Input Method và chọn một trong các kiểu gõ: VNI, Telex, VIQR với Font mặc định là Unicode được tích hợp sẵn.

Trường hợp chỉ muốn nhận dạng riêng một khu vực nào đó, bạn giữ trái chuột và rê vào vùng văn bản mà bạn muốn trích xuất. Khi đó, chỉ nội dung của vùng này sẽ được hiển thị bên khung phải màn hình. Nếu muốn biên dịch tài liệu nhiều trang, bạn truy cập menu Command > OCR All Pages.

Để “thử” kiểm tra khả năng nhận diện văn bản của chương trình trên các định dạng khác nhau, người viết đã sử dụng thư viện mẫu văn bản có sẵn (C:Program FilesVietUnicodeVietOCR.NETsamples) và dùng chương trình MS Paint của Windows để lưu lại thành các định dạng khác nhau như: PNG, JPG và BMP (256 bit) từ file gốc có định dạng .TIFF

Kết quả, cả ba trường hợp đều nhận dạng được văn bản khá chuẩn xác. Tuy nhiên một số dấu câu chưa đúng và một vài từ vẫn còn sai chính tả, không rõ nghĩa nhưng mức độ biên dịch so với bản gốc là khá chuẩn.

2. Cài đặt máy quét:

Nếu nhu cầu của bạn là xử lý các tài liệu bên ngoài thông qua hệ thống quét của chương trình, nhất thiết bạn phải cài đặt thêm máy quét. Để làm việc này, bạn truy cập vào thư mục cài đặt của VietOCR, tìm và sao chép file WIAAut.dll (C:Program FilesVietUnicodeVietOCR.NET) vào thư mục C:WindowsSystem32.

Sau đó, bạn vào Start > Run, gõ lệnh regsvr32 C:WindowsSystem32WIAAut.dll để đăng ký thư viện này với Windows. Khi đăng ký xong, bạn cài driver cho máy quét và bắt đầu tiến trình xử lý văn bản như trên.

Lưu ý:

Trong quá trình biên dịch, đôi lúc bạn sẽ gặp phải thông báo lỗi Attemp to read or write protected memory, một trong những nguyên nhân gây ra lỗi này là do văn bản đã định sai hướng (lệch hướng đi, thay vì nằm ngang, văn bản đã chuyển sang hướng đứng), bạn chỉ việc nhấn nút Rotate vài lần cho đúng hướng là xong.

Nếu không có máy quét và bạn vẫn muốn “trải nghiệm” tính năng của phần mềm, bạn có thể tải tiện ích ImagePrinter, giúp bạn chuyển đổi bất kỳ tài liệu nào sang bốn định dạng hỗ trợ sẵn của chương trình (bmp, png, tiff, jpg). Trường hợp nếu muốn chuyển giao diện chương trình sang tiếng Việt, bạn truy cập menu Settings > User Interface Language, chọn Vietnamese.

Cũng tương tự quá trình nhận dạng tài liệu ảnh ở trên, trong trường hợp này tài liệu quét sẽ được chia thành hai dạng để kiểm tra: dạng văn bản thuần (text) và văn bản kèm hình ảnh. Quá trình xử lý và biên dịch được thực hiện như bước 1. Kết quả chương trình nhận dạng tốt với các văn bản thuần và gặp phải tình trạng lỗi OCR Operation với các tài liệu có kèm hình ảnh. Việc thực hiện này cũng xảy ra với các định dạng khác.

Một điều lưu ý với các bạn, để quá trình nhận dạng ảnh được chính xác, độ phân giải của bản quét phải đạt chuẩn 300dpi, không mờ, càng sạch và rõ càng tốt.

3. Xử lý tài liệu PDF:

Ngoài khả năng nhận dạng các tài liệu ảnh, VietOCR còn có khả năng xử lý các tài liệu PDF. Để có thể sử dụng được tính năng này trong VietOCR, bạn cần cài đặt thêm gói GPL GhostScript 8.7. Sau khi cài xong, bạn thực hiện việc xử lý tương tự các bước trên (với các tài liệu PDF có chứa hình ảnh, kết quả vẫn bị lỗi như trường hợp hai).

Nhìn chung, VietOCR có khả năng xử lý văn bản tiếng Việt tốt, độ chính xác khá cao và tương thích với nhiều định dạng ảnh khác nhau trong điều kiện văn bản thuần (không chứa hình ảnh), bạn có thể dùng văn bản sau khi xử lý để phục vụ cho công việc mà không phải tốn thời gian chỉnh sửa nhiều.

Theo Huy Trần/Echíp

Việt Báo

TIN Công Nghệ NỔI BẬT

Giá bán iPhone 6, iPhone 6 Plus trên thế giới và giá ‘xách tay’ về Việt Nam

Hôm nay (19/9), Apple đã mở bán chính thức 2 siêu phẩm iPhone 6 và iPhone 6 Plus tại 10 nước trên thế giới. Nhiều người Việt sống ở các nước này cũng tranh thủ sự kiện để "kiếm chút đỉnh", giá iPhone 6 và iPhone 6 Plus về VN thông qua đường "xách tay" cũng vì thế mà tăng gần gấp đôi so với giá thực.

Nhận xét tin VietOCR 1.5: Nhận dạng ký tự tiếng Việt “chuẩn không cần chỉnh”

Ý kiến bạn đọc

Viết phản hồi

Bạn có thể gửi nhận xét, góp ý hay liên hệ về bài viết VietOCR 1.5: Nhận dạng ký tự tiếng Việt “chuẩn không cần chỉnh” bằng cách gửi thư điện tử tới Lien He Bao Viet Nam. Xin bao gồm tên bài viết VietOCR 15 Nhan dang ky tu tieng Viet chuan khong can chinh ở dạng tiếng Việt không dấu. Hoặc VietOCR 1.5: Nhận dạng ký tự tiếng Việt “chuẩn không cần chỉnh” ở dạng có dấu. Bài viết trong chuyên đề Tin Tổng Hợp của chuyên mục Công Nghệ.

VietOCR 1.5: Vietnamese Character Recognition "standard without adjustment"
character recognition, text processing, document images, plain text, the new version, Vietnamese, programs and formats , can, compile, after, you, the, scan, file

New version of VietOCR more valuable features such as Vietnamese character recognition on many image formats, fix-# 160; semantics, spelling after treatment ....

CÓ THỂ BẠN QUAN TÂM




  • Thoi su 24h209 Xu vu an rung dong Dac Lac
    Thời sự 24h(20/9): Xử vụ án rúng động Đắc Lắc

    - Háo hức chờ cao tốc dài nhất VN thông toàn tuyến; Va chạm container, đầu xe lửa văng khỏi ray; Lời khai tinh ranh của kẻ khống chế con tin ở HN; Trở lại hiện trường vụ cháy cực lớn ở Bình Dương; Vào lớp 1, bé phải đóng hơn 5 triệu đồng... là những thông tin thời sự nổi bật trong ngày 19/9.

  • Thoi su 24h189 Bao so 3 lam chet 11 nguoi
    Thời sự 24h(18/9): Bão số 3 làm chết 11 người

    Sạt lở kinh hoàng, 11 người thương vong; Lưu thông thế nào trên cao tốc dài nhất Việt Nam?; Quảng Ninh thiệt hại 20 tỷ do bão số 3; 'Xử' chủ xe khách để tai nạn 3 người chết trở lên... 

  • Thoi su 24h179 GD Cong an HN ha ke bat con tin
    Thời sự 24h(17/9): GĐ Công an HN 'hạ' kẻ bắt con tin

    Quảng Ninh gấp rút đối phó bão số 3; 7 phút tướng Chung 'hạ' kẻ khống chế con tin; 7 người một nhà thiệt mạng trong vụ cháy ở Sài Gòn; Cảnh giường chiếu phản cảm của Phi Thanh Vân với tình trẻ

  • Thoi su 24h169 Xe 16 cho lao xuong ho Tay
    Thời sự 24h(16/9): Xe 16 chỗ lao xuống hồ Tây

    Thủ tướng ra 'đầu bài' cho giáo dục ĐH; Bão số 3 di chuyển nhanh, miền Bắc sắp mưa lớn; Vụ bé gái bị bạo hành: Cha ruột xuất hiện tìm con; Xe 16 chỗ lao xuống hồ Tây; Bắt tiếp 11 xe quá tải lọt trạm cân nhiều tỉnh...

  • Thoi su 24h129 dich dau mat do lay lan nhanh o HN
    Thời sự 24h(12/9): dịch đau mắt đỏ lây lan nhanh ở HN

    Đi trinh sát phá án, đại úy biên phòng bị bắt nhầm; Đường dân góp thóc 5 năm để làm bị rút ruột?; Bị cáo lao đầu vào tường tự sát tại tòa; Phát hiện xác ca sĩ Hồ Duy Minh dưới chân cầu...

  • Ban tin suc khoe tuan tu 14209
    Bản tin sức khỏe tuần (từ 14-20/9)

    Dịch đau mắt đỏ: Nguy cơ bỏng giác mạc do xông lá lốt; Dịch Ebola sẽ hoành hành thêm 12-18 tháng nữa; Một bé trai tử vong sau khi tiêm vaccine 5 trong 1;Tận mắt nhìn "thần dược" Trung Quốc "kích phọt" nông sản Việt; 7 dấu hiệu bạn đã bị vô sinh; Tăm bông gây hại cho tai; 9 thời điểm “yêu” rất dễ cùng nhau "lên đỉnh"... là những tin sức khỏe nổi bật tuần qua.

  • Toan canh Showbiz tuan 1409 2009
    Toàn cảnh Showbiz tuần (14/09 – 20/09)

    Ngọc Trinh, Linh Chi mặc bikini đóng quảng cáo cho Vietjet Air, Hồ Ngọc Hà bị tố gian lận trong cuộc đua với Sơn Tùng M-TP, Đông Nhi tới MTV EMA 2014, Siêu mẫu Ngọc Thúy kiện mẹ ruột ra tòa đòi 5 căn biệt thự, Khánh My xuất hiện trong quảng cáo dịch vụ 'ngủ trong sáng', Chồng sắp cưới khẳng đinh đã chia tay Ngọc Lan và có tình mới, Ca sĩ Giang Tử qua đời, Kim Woo Bin và Song Ji Hyo quay phim tại Việt Nam, Cựu thủ lĩnh Westlife Shane Filan có đêm diễn thành công tại Việt Nam, Chồng Trương Vũ Kỳ bị bắt vì mua dâm,...là những thông tin giải trí nổi bật trong tuần qua.

  • Nghin le chuyen tuan qua 1409 2009
    Nghìn lẻ chuyện tuần qua (14/09 - 20/09)

    Vụ bắt cóc con tin ở Thanh Xuân; Bé 4 tuổi bị cha mẹ hành hạ dã man; Vụ cháy nhà làm 7 người chết ở TP.HCM; Quan tham mắc chứng tâm thần vì...quá sốc? là những tin tức nổi bật được dư luận quan tâm trong tuần qua.

  • Tong hop Doi song tuan qua 149 209
    Tổng hợp Đời sống tuần qua (14/9 - 20/9)

    Bạo hành trẻ em - câu chuyện không còn mới nhưng vẫn liên tiếp xảy ra những vụ việc đau lòng; Mẹ đẻ con rồi cho vào bồn xả nước, cánh tay con cuốn vào máy xay là nhiều câu chuyện nuôi dạy con đáng lên án; Đám cưới cô dâu đi dép tổ ong, đám cưới không chú rể... Nhiều câu chuyện gia đình cảm động; tin thực phẩm bẩn đáng chú ý là những sự kiện nổi bật tuần qua...

  • Su kien quoc te noi bat 079 139
    Sự kiện quốc tế nổi bật (07/9 - 13/9)

    Tổng thống Mỹ B. Obama công bố chiến lược chống khủng bố, EU thông qua lệnh trừng phạt mới nhằm vào các công ty của Nga, Hà Lan công bố kết quả vụ điều tra máy bay rơi MH 17... là những tin nổi bật trong tuần qua.