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

5 tính năng thú vị của ứng dụng photos trên iPhone

Cùng với sự ra đời của iOS 8, ứng dụng hình ảnh đã nhận được một vài thay đổi nhằm đáp ứng nhu cầu sử dụng ngày một cao của người dùng. Vậy đâu là những thay đổi quan trọng nhất? Các bạn có thể khám phá một vài tính năng thú vị của ứng dụng photos trên iPhone trong bài viết dưới đây

2 cách vào Google khi bị hack DNS

Nhóm hacker Lizardsquad tấn công DNS dẫn đến chuyện không thể truy cập vào Google Việt Nam sáng nay. Tạm thời, bạn có thể tự khắc phục sự cố này theo hai cách.

Có nên nâng cấp ipad air lên ipad air 2 không?

Năm ngoái, iPad Air là chiếc tablet khá hoàn hảo được người dùng rất ưa chuộng. Vì thế, những nâng cấp trên iPad Air 2 đang tạo ra rất nhiều tò mò cho người dùng. Nhưng thay đổi được Apple nhắc đến nhiều nhất là kiểu dáng mỏng và nhẹ hơn so với người tiền nhiệm, có cảm biến vân tay, camera sắc nét hơn, cấu hình tốt hơn cũng như hỗ trợ nền tảng 64 bit.

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
Xem tiếp: Công Nghệ


  • Thoi su 24h282 Dam dai phan cach o to bi xuyen toac
    Thời sự 24h(28/2): Đâm dải phân cách, ô tô bị xuyên toạc

    'Để công an xã điều tra dễ bỏ lọt, oan sai'; Đâm vào dải phân cách, ô tô bị xuyên toạc trên cao tốc; Tịch thu bán đấu giá hòn đá gần 30 tấn, giá chục tỷ đồng;... là những thông tin thời sự đáng chú ý ngày 27/2.

  • Thoi su 24h272 Giang chuc 2 PGD So
    Thời sự 24h(27/2): Giáng chức 2 PGĐ Sở

    Giảm gần 3 tỷ USD xây sân bay Long Thành; Bán sân bay Phú Quốc lấy vốn xây sân bay Long Thành; Thanh Hóa bắt xe giường nằm ‘nhồi" 117 khách; Hai PGĐ sở đánh nhau bị giáng chức, cảnh cáo;Đắk Nông: Đào được hòn đá quý 27 tấn...

  • Thoi su 24h 262 Vietjet muon mua lai nua san bay Noi Bai
    Thời sự 24h (26/2): Vietjet muốn mua lại nửa sân bay Nội Bài

    ATM của Agribank bị phá, lấy đi gần 1 tỷ đồng; Vietjet muốn mua lại nửa sân bay quốc tế Nội Bài; Phá sàn vàng "hút" 180 tỷ đồng của nhà đầu tư; Ùn tắc kéo dài: Hà Nội tháo rào chắn; Tháng 3, có 4 đợt không khí lạnh...

  • Thoi su trong ngay Cuong do la len tieng ve vu tai nan
    Thời sự trong ngày: Cường đô la lên tiếng về vụ tai nạn

    Ông Nguyễn Quang Lập được tại ngoại điều tra; Siêu xe gây tai nạn đứng tên sở hữu Cường “đô la”; Sáp nhập ngân hàng: Những chuyện hậu trường; Cụ ông tử vong sau một giờ thuê khách sạn...

  • Thoi su 24h092 Hai xe khach tong nhau 10 nguoi chet
    Thời sự 24h(09/2): Hai xe khách tông nhau, 10 người chết

    Hai xe khách tông nhau, 10 người chết; Đề nghị cách chức TBT báo Người cao tuổi; Sập hầm khai thác đá xanh, 3 người tử vong; 2 người Việt lọt danh sách tỷ phú thế giới; Nơi củ sâm to bằng… củ sắn... là những thông tin thời sự nổi bật trong ngày 9/2.

  • Su kien quoc te noi bat 222 282
    Sự kiện quốc tế nổi bật (22/2 - 28/2)

    Lãnh đạo Đảng đối lập Nga bị ám sát ngay tại Moscow; kết quả vòng đám phán thứ 2 giữa Mỹ và Cuba; Mỹ xác nhận thông tin Trung Quốc đang tiến hành xây dựng các cảng hải quân và sân bay trên các đảo trên Biển Đông... là những tin chính trong tuần qua.

  • Nghin le chuyen tuan qua 2202 2802
    Nghìn lẻ chuyện tuần qua (22/02 - 28/02)

    Hàng loạt tai nạn thảm khốc trong 9 ngày nghỉ Tết; Mùng 6 Tết, dân làng Ném Thượng vẫn chém lợn ở sân đình; Hỗn chiến tại Lễ hội Đền Gióng; Tiền lẻ, chen lấn: Nét đặc trưng “mới” của lễ hội Việt? ... là những tin tức nổi bật được dư luận quan tâm trong tuần qua. ------------

  • Toan canh Showbiz tuan 2202 2802
    Toàn cảnh Showbiz tuần (22/02 – 28/02)

    ó nên chỉ trích hình ảnh GS Vũ Khiêu 'thơm' má hoa hậu Kỳ Duyên?,Vợ Baggio tiết lộ sảy thai 2 lần, bị 'cắm vài ba chục cái sừng', Các ngôi sao tranh cãi về “Chiếc váy màu gì?”, Kim Hyun Joong sắp có con với bạn gái bị hành hung, “Thiên thần” Karlie Kloss bỏ Victoria’s Secret,...là những thông tin giải trí nổi bật trong tuần.

  • Tin An ninh Phap luat tuan qua 2202 2802
    Tin An ninh - Pháp luật tuần qua (22/02 - 28/02)

    Ly kỳ chuyện đời các tướng cướp; Bị cáo về nhà ăn tết với… người bị hại; Vụ án khó điều tra bậc nhất lịch sử phá án Công an Hải Phòng; Những lá thư xin lỗi nức nở từ trại giam; 200 bánh heroin và những người đón Tết muộn; Các tổ 141 bắt nhiều vụ vận chuyển ma túy trong dịp Tết;......là những tin đáng chú ý trong tuần. ------------ Xem thêm: Tin An ninh - Pháp luật tuần qua (22/02 - 28/02), http://vietbao.vn/An-ninh-Phap-luat/Tin-An-ninh-Phap-luat-tuan-qua-2202-2802/2147540033/218/ Tin nhanh Việt Nam ra thế giới vietbao.vn

  • Tong hop Doi song tuan qua 232 292
    Tổng hợp Đời sống tuần qua (23/2 - 29/2)

    Dư âm của Tết Nguyên Đán vẫn còn đọng lại trong những câu chuyện gia đình, không khí lễ hội khắp mọi nơi. Những phong tục thờ cúng, giải hạn đầu năm trong dân gian; Những câu chuyện về ngày Thầy thuốc Việt Nam 27/2; Nhiều tấm gương sáng trong đời sống... và những tin tức an toàn thực phẩm bẩn là những thông tin nổi bật tuần vừa qua... ------------ Xem thêm: Tổng hợp Đời sống tuần qua (23/2 - 29/2), http://vietbao.vn/Doi-song-Gia-dinh/Tong-hop-Doi-song-tuan-qua-232-292/2147540036/111/ Tin nhanh Việt Nam ra thế giới vietbao.vn