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 24h2111 Thu hoi nha dat cua ong Tran Van Truyen
    Thời sự 24h(21/11): Thu hồi nhà đất của ông Trần Văn Truyền

    Thu hồi nhà, đất của ông Trần Văn Truyền; Gói quà 20/11 phát nổ, 1 phụ nữ tử vong; VTV xin lỗi vụ phát sóng "Nhặt xương cho thầy"; Hà Hồ bật khóc, nêu lời giải cho quan hệ với Cường đô la; Từ 1/1/2015 tăng mức phạt xe quá tải... là những thông tin thời sự nổi bật trong ngày 21/11.

  • Thoi su 24h2010 2 may bay suyt dam nhau tai SG
    Thời sự 24h(20/10): 2 máy bay suýt đâm nhau tại SG

    Đổi chứng minh thư thành thẻ căn cước công dân;Hai máy bay suýt đụng nhau trên không;Thuê người giả mạo Thứ trưởng Y tế để lừa tiền tỷ; Sát hại con tin để quỵt nợ 50 triệu đồng; "100 nghìn/cô" - cuộc định giá đau xót trong ngày 20/11?... là những thông tin thời sự nổi bật trong ngày 20/11.

  • Thoi su 24h1911 Chang trai dam cuoi co tich qua doi
    Thời sự 24h(19/11): Chàng trai "đám cưới cổ tích" qua đời

    Phạt 252 triệu đồng NXB in hình Công Lý cởi trần; Chơi ngông Tàng "Keangnam": Mời ca sỹ ngoại về đãi cả bản; Nữ phượt thủ 9x tử nạn trên cung đường Hà Giang; Chàng trai trong "đám cưới cố tích" đột ngột qua đời...

  • Thoi su 24h1811 BS quen kim mo trong bung benh nhan
    Thời sự 24h(18/11): BS quên kim mổ trong bụng bệnh nhân

    Đường sắt trên cao "tuyệt đối an toàn"; Mổ đẻ, BS ‘quên’ kim trong bụng bệnh nhân 9 năm; Bé sơ sinh văng khỏi bụng mẹ ra viện; Lật mặt hàng chục cửa hàng xăng dầu lắp đặt IC giả; Mạo nhận con trai Bí thư HN "quỵt" hàng trăm triệu... là những thông tin thời sự nổi bật trong ngày 18/11.

  • Thoi su 24h1711 Cong Ly mac quan nho len bia sach luat
    Thời sự 24h(17/11): Công Lý mặc quần nhỏ lên bìa sách luật

    Bình Dương lên tiếng về cáo buộc của ông Dũng "lò vôi"; Công Lý bức xúc vì bìa sách in hình anh cởi trần; Nữ "đại gia" Hà thành bị đánh thuốc mê cướp kim cương?; "Kho" sừng tê giác trong nhà đại gia Hà Tĩnh...

  • Ban tin suc khoe tuan tu 162211
    Bản tin sức khỏe tuần (từ 16-22/11)

    Hà Tĩnh: Mổ đẻ, BS "quên" kim trong bụng bệnh nhân 9 năm; Bình Dương: Một phụ nữ chết tức tưởi sau khi chích thuốc tại phòng khám tư nhân; Trứng gà thật - giả, phân biệt thế nào?; 83% đàn ông "thả rông" trong lần quan hệ đầu tiên; Mẹo chăm sóc da cho trẻ vào mùa đông; Lý do không ngờ khiến mẹ chậm mang thai; Người hay lo lắng dễ bị mất trí nhớ; Cách giảm cân hiệu quả trong 1 tuần... là những tin sức khỏe nổi bật tuần qua.

  • Nghin le chuyen tuan qua 1611 2211
    Nghìn lẻ chuyện tuần qua (16/11 - 22/11)

    Nghị trường QH nóng chuyện chạy chức, chạy quyền; Ước vọng của Hai lúa được phong Đại tướng quân; Sách Luật in hình nghệ sỹ Công Lý: Luật pháp không phải trò hề; Làm khu nghỉ dưỡng trên núi Hải Vân: Quá nhạy cảm quốc phòng!; Phát phim phản cảm,VTV nên có lời với các thầy cô giáo ... là những tin tức nổi bật được dư luận quan tâm trong tuần qua.

  • Toan canh Showbiz tuan 1611 2211
    Toàn cảnh Showbiz tuần (16/11 – 22/11)

    Mỹ Tâm được vinh danh giải thưởng 'Huyền thoại âm nhạc', Hình nghệ sĩ Công Lý bị xuất hiện phản cảm trên bìa sách luật, Tranh cãi số lượng khán giả trong live concert Heartbeat của Mỹ Tâm,

  • Tin An ninh Phap luat tuan qua 1611 2211
    Tin An ninh - Pháp luật tuần qua (16/11 - 22/11)

    "Tội phạm axit" và câu chuyện về quản lý; Kết cục thảm của những mối tình đồng tính nữ lệch lạc; Điểm tựa hoàn lương của 9X sát hại người yêu; 14 năm tù cho cơn ghen tuông mù quáng; Vụ TMV Cát Tường: Tội danh của bị cáo Tường và Khánh sẽ thay đổi?; Cảnh giác với chiêu lừa đảo tinh vi qua điện thoại;.......là những tin đáng chú ý trong tuần.

  • Tin Bong daThe thao noi bat tuan qua 16112211
    Tin Bóng đá-Thể thao nổi bật tuần qua (16/11-22/11)

    Tổng hợp diễn biến vụ nghi ngờ Công Phượng gian lận tuổi; Tổng hợp thông tin trước thềm AFF Cup của ĐT Việt Nam và các đội bóng cùng bảng; Tổng hợp các trận cầu hay cuối tuần... là những tin tức sẽ có trong bản tin Bóng đá cuối tuần của Việt Báo.