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

Những "chi tiết mới" bên trong iPad Air 2 không được Apple Công bố

Mặc dù có vẻ như những điểm đặc biệt mới được nâng cấp trên iPad Air 2 được Apple công bố trong sự kiện vừa rồi là đã đủ, tuy nhiên về phần cứng bên trong thiết bị iPad Air 2 vẫn còn khá nhiều điều để bàn. Theo như trang công nghệ iFixit, có một số những thay đổi về phần cứng không được Apple công bố, cụ thể như những chi tiết dưới đây:

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 24h2310 Nu tai xe dam 10 nguoi nhap vien
    Thời sự 24h(23/10): Nữ tài xế đâm 10 người nhập viện

    Tách huyện Phú Quốc, Kiên Giang bầu Phó chủ tịch; Sở Y tế báo cáo khẩn vụ bé gái tử vong ở Quốc Oai; Khoảnh khắc hiếm thấy của các BTV nổi tiếng VTV; Nữ tài xế đâm 10 người nhận đạp nhầm chân ga

  • Thoi su 24h2110 Ong Ba Thanh vang mat tai ky hop QH
    Thời sự 24h(21/10): Ông Bá Thanh vắng mặt tại kỳ họp QH

    Ông Nguyễn Bá Thanh vắng mặt tại kỳ họp QH; Điều lạ ở ‘lãnh địa’ của xe quá tải; Dư luận trái chiều về cái chết của TTGT nhảy lầu; Trưởng phòng y tế huyện bị chém vỡ sọ...

  • 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;

  • Ban tin suc khoe tuan tu 19 2510
    Bản tin sức khỏe tuần (từ 19 - 25/10)

    Nhiều nghi vấn vụ bé gái chết bất thường tại bệnh viện Quốc Oai: Chẩn đoán rối loạn tiêu hóa, chết vì viêm màng não?; Bác sỹ "ế ẩm", giáo sư đông nghẹt “khách”; Bệnh viện K bị tố “nhũng nhiễu” bệnh nhân; Dầu bẩn Đài Loan nghi lấy nguyên liệu từ Việt Nam?; Bị cúm khi mang thai có nguy hiểm không?; Những cách giảm cân bằng bưởi hiệu quả nhất; Tác dụng phụ kỳ diệu của cực khoái với nam giới; Dùng nước hoa có thể gây ung thư?... là những tin sức khỏe nổi bật tuần qua.

  • Nghin le chuyen tuan qua 1910 2510
    Nghìn lẻ chuyện tuần qua (19/10 - 25/10)

    Khai mạc kỳ họp thứ 8 Quốc hội khóa 13; Bé gái chết bất thường ở bệnh viện; Nội Bài, Tân Sơn Nhất bị xếp hạng sân bay tệ nhất châu Á; Gửi iPhone qua bưu điện, nhận... 2 cục đá; Bác sĩ từ chối cấp cứu, bệnh nhân tử vong ... là những tin tức nổi bật được dư luận quan tâm trong tuần qua.

  • Toan canh Showbiz tuan 1910 2510
    Toàn cảnh Showbiz tuần (19/10 – 25/10)

    Đại sứ bảo vệ động vật hoang dã Thu Minh dùng mật gấu tươi, Vương miện Hoa hậu Việt Nam 2014 trị giá 2,5 tỷ đồng, Vợ cũ tố Lam Trường là người cha thiếu trách nhiệm, Yanbi miệt thị người đồng tính, Hồ Ngọc Hà bị loại tại MTV EMA 2014, Giang Hồng Ngọc đăng quang X - Factor - Nhân tố bí ẩn 2014, Loki Bảo Long bị tố bỏ thi vì yêu lăng nhăng, Nhạc phim do Sơn Tùng M-TP sáng tác lại bị tố đạo nhạc Hàn, Moon Geun Young có bầu dù đã chia tay Kim Bum, Orlando Bloom đang bí mật hẹn hò với Selena Gomez,...là những thông tin giải trí nổi bật trong tuần qua.

  • Tin An ninh Phap luat tuan qua 1910 2510
    Tin An ninh - Pháp luật tuần qua (19/10 - 25/10)

    Xót lòng những vụ giết con rồi tự tử; Vụ Thẩm mỹ viện Cát Tường và những điều bất ngờ; Tử tù hiếp dâm tự tử 3 lần vì sợ tiêm thuốc độc; Chân tướng quân sư số một của ông trùm ma túy; “Siêu trộm” kim cương xuyên lục địa bị bắt giữ; Chuyện chưa kể về phiên toà xử “ông trùm” Khánh trắng;.......là những tin đáng chú ý trong tuần.

  • Tin The gioi noi bat tuan qua tu 19102510
    Tin Thế giới nổi bật tuần qua (từ 19/10-25/10)

    Vụ xả súng kinh hoàng tại tòa nhà quốc hội Canada; Hải quân Thụy Điển đã phát động một cuộc săn tìm tàu lạ trên biển; Giải mã một loạt diễn biến bí ẩn ở Triều Tiên; Bình luận xung quanh việc Trung Quốc mở rộng bãi Đá Chữ Thập ở Trường sa; ... là những tin tức nổi bật trong tuần qua.