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

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 24h1810 No kinh hoang tai TPHCM
    Thời sự 24h(18/10): Nổ kinh hoàng tại TP.HCM

    Vì sao BS Tường không bị truy tố tội "Giết người"?; Nữ PGĐ Sở nói gì về vụ ẩu đả tại khách sạn; Trộm đột nhập siêu thị đã qua mặt bảo vệ thế nào; Thiếu nữ lớp 9 bị cố tình đánh chết để bịt đầu mối...

  • Thoi su 24h1710 Mr Dam lai vung tien choi troi
    Thời sự 24h(17/10): Mr Đàm lại vung tiền chơi trội

    Sự cố sập hàng loạt website: Nghi vấn bị phá hoại; Xuất hiện xe đặc chủng 13 tỷ chuyên ‘bắt’ xe quá tải; Mr.Đàm lại vung tiền chơi trội; Bộ CA điều tra vụ tàu Sunrise 689 bị cướp biển; Cảnh khó tin tại đường trên cao Hà Nội; 

  • Thoi su 24h1610 HN sap phat nguoi thong qua camera
    Thời sự 24h(16/10): HN sắp "phạt nguội" thông qua camera

    Bệnh viện lớn nhất TPHCM lên tiếng vụ đấu thầu thuốc; Phá đường dây mại dâm trăm đô, chỉ tiếp khách Tây; Hà Nội sắp "phạt nguội" thông qua 450 camera; Giết cha ở Vĩnh Long mang xác lên Sài Gòn phi tang;

  • Thoi su 24h1510 Bat pho chanh thanh tra GTVT
    Thời sự 24h(15/10): Bắt phó chánh thanh tra GTVT

    Chấn động làng quê vụ nữ sinh giết cán bộ huyện; Jennifer Phạm sẽ là thảm họa của Cặp đôi hoàn hảo 2014?; Cá quả Tàu tiêm thuốc mê đổ về chợ; Truy sát từ nhà đến bệnh viện vì can thiệp đụng độ trên đường

  • Thoi su 24h1410 Su co hy huu tren duong sat VN
    Thời sự 24h(14/10): Sự cố hy hữu trên đường sắt VN

    Xử lý xe quá tải "giết" đường: Không có vùng cấm!; Sự cố hy hữu trên đường sắt Việt Nam; Tài xế trong clip "ngược chiều khó tin" ở HN trình diện; Truy sát kinh hoàng từ nhà đến bệnh viện;Việt Nam sắp nhận máy bay hiện đại nhất thế giới; Công an cử người canh rắn "khủng" cực độc... là những thông tin thời sự nổi bật trong ngày 13/10.

  • Ban tin suc khoe tuan 121810
    Bản tin sức khỏe tuần (12-18/10)

    Nguy cơ dịch Ebola vào Việt Nam là rất cao; Tâm sự của một bác sĩ: "Ở Việt Nam có nhiều Nina Phạm thầm lặng"; Sốc với công nghệ “thổi phồng” gà còi thành béo căng; 5 cách đơn giản tính chính xác tuổi thai; 3 dấu hiệu thần kinh vô cùng nguy hiểm ở trẻ nhỏ;Học lỏm bí quyết giảm cân an toàn kiệu quả kiểu Hàn Quốc; Sử dụng máy tính bảng gây hại đến xương và vai; Lý do tình dục mùa thu viên mãn nhất trong năm; Chữa mồ hôi tay, chân triệt để nhờ lá lốt...là những tin sức khỏe nổi bật tuần qua.

  • Nghin le chuyen tuan qua 1210 1810
    Nghìn lẻ chuyện tuần qua (12/10 - 18/10)

    Nổ lớn tại TP.HCM: Hóa chất nồng nặc, mảnh thi thể vương vãi; Hộp đen tàu Sunrise 689 biến mất, Bộ Công an vào cuộc; Hà Nội phạt nguội vi phạm giao thông bằng camera: Khó khả thi; Xe điên đâm liên tiếp trên đường Phạm Hùng; Rắn độc tràn về làng tấn công người dân ở Nghệ An ... là những tin tức nổi bật được dư luận quan tâm trong tuần qua.

  • Toan canh Showbiz tuan 1210 1810
    Toàn cảnh Showbiz tuần (12/10 – 18/10)

    Nghi án Khánh My làm "đào" quán karaoke, Elly Trần thừa nhận có con, Việt Hương và dàn sao Việt bị đối xử tệ bạc ở Nhật, Hương Tràm 'đá đểu' Robbey, Hà Anh bị cấm diễn 3 tháng, Nhóm F Band dùng khăn Piêu của người Thái làm khổ trong X-Factor, Xuân Lan vướng nghi vấn sinh con với đàn ông đã có vợ, Yanbi bị dân mạng "ném đá" vì miệt thị người đồng tính, Siêu mẫu Võ Hoàng Yến bị tố làm gãy tay đồng nghiệp, Moon Geun Young có bầu dù đã chia tay Kim Bum, Chae Rim hạnh phúc trong ngày lên xe hoa lần 2 là những thông tin giải trí nổi bật trong tuần qua.

  • Tin An ninh Phap luat tuan qua 1210 1810
    Tin An ninh - Pháp luật tuần qua (12/10 - 18/10)

    Nữ sinh lớp 12 giết cán bộ huyện trong nhà nghỉ; Bàng hoàng những vụ "ngáo đá" lên cơn giết người; Nữ sinh giết con rồi đốt xác để giấu chuyện mang thai; Diễn biến mới vụ TMV Cát Tường ném xác nạn nhân xuống sông; Đến tòa ly hôn, vợ đâm chết chồng trước sân tòa án; Ly cà phê cuối cùng của tử tù đầu tiên bị tiêm thuốc độc;.......là những tin đáng chú ý trong tuần.

  • The gioi noi bat tuan qua tu 12101810
    Thế giới nổi bật tuần qua (từ 12/10-18/10)

    Căng thẳng Trung - Hàn sau vụ ngư dân Trung Quốc bị bắn chết; Sự xuất hiện của lãnh đạo Kim Jong-un với hình ảnh chống gậy; Biểu tình tại Hồng Kông vẫn căng thẳng; Thế giới tiếp tục cuộc chiến chống dịch bệnh Ebola; ... là những tin tức nổi bật trong tuần qua.