4 Cách để trích xuất văn bản từ hình ảnh và tài liệu

Thứ năm - 20/10/2011 14:00
Bạn muốn trích xuất văn bản từ một tập tin ảnh hay tài liệu? Thông thường, phần mềm OCR (Optical C-haracter Recognition – Nhận dạng ký tự quang học) được sử dụng để sao chép văn bản từ hình ảnh scan và rất hữu ích, đặc biệt là để chuyển...
4 Cách để trích xuất văn bản từ hình ảnh và tài liệu
Bạn muốn trích xuất văn bản từ một tập tin ảnh hay tài liệu? Thông thường, phần mềm OCR (Optical C-haracter Recognition – Nhận dạng ký tự quang học) được sử dụng để sao chép văn bản từ hình ảnh scan và rất hữu ích, đặc biệt là để chuyển đổi sách và tài liệu sang định dạng kỹ thuật số. Tuy nhiên, đa số chúng chúng là những phần mềm thương mại, bạn phải trả phí để sử dụng mà lại nặng nề và ôm đồm nhiều chức năng không cần thiết nữa. Dưới đây là bốn cách đơn giản để trích xuất văn bản từ các tập tin hình ảnh, đặc biệt hoàn toàn miễn phí.

1. Sử dụng phần mềm mã nguồn mở:

Chúng ta có thể sử dụng 2 phần mềm sau đây để trích xuất văn bản từ hình ảnh:

-Phần mềm Gttext:Đây là một công cụ mã nguồn mở miễn phí cho Windows (32bit và 64bit) có thể sao chép văn bản từ các tập tin hình ảnh phổ biến (JPEG, PNG, BMP, GIF, TIFF) gần như chính xác và văn bản được sao chép vào clipboard để bạn dán chúng trên bất kỳ trình soạn thảo văn bản.
Để sử dụng Gttext, trước tiên tải phần mềm về tại địa chỉhttp://code.google.com/p/gttext/downloads/listvà cài đặt nó. Sau đó chạy Gttext và mở một tập tin ảnh có văn bản muốn trích xuất bằng cách nhấp vào tùy chọnCopy image text từ trình đơnTools. Một cửa sổ pop-up mở ra, bên trong hiển thị văn bản được trích xuất từ hình ảnh. Nếu bạn hài lòng, nhấp vào nútContinue để sao chép văn bản vào clipboard. Nếu bạn không hài lòng, nhấn nútTry Again.

-Phần mềm VietOCR: Đây là một tiện ích “thuần Việt” có thể nhận dạng và trích xuất chính xác đến 80%. Chương trình hỗ trợ 2 ngôn ngữ trích xuất chính là tiếng Anh và tiếng Việt nhưng để sử dụng bạn phải cài đặt thêmJava Runtime Environment 6.0hoặc mới hơn vàMicrosoft Visual C++ 2008 SP1.
Trên giao diện chương trình, bạn mở menuFile > Open > chọn All Image Filestrong phầnFile of typesđể lấy file ảnh >Open. Phần nội dung của file ảnh sẽ xuất hiện bên khung trái, bây giờ bạn nhấn vào mụcOCR Language(góc trên bên phải cửa sổ) để chọn ngôn ngữ trong file ảnh nuốn trích xuất > nhấn nútOCR. Thời gian trích xuất nhanh hay chậm phụ thuộc vào số lượng ký tự trong file và tốc độ xử lý của máy tính. Nếu hoàn thành, nội dung trích xuất sẽ hiện ra tron khung bên phải và bạn có thể sao chép ra và sử dụng.

Tải VietOCR 3.1.5 tại trang chủhttp://vietocr.sourceforge.net/usage_vi.htmlhay tạiđây. Bạn có thể xem video hướng dẫn sử dụng tại địa chỉhttp://www.youtube.com/watch?v=g9zezEWlds0.

2. Sử dụng Microsoft OneNote:

Một trong những giải pháp dễ nhất và đơn giản để trích xuất văn bản từ tập tin hình ảnh là sử dụng chương trình Microsoft OneNote. Đây là một ứng dụng ghi chú và lập kế hoạch tuyệt vời và thường đi kèm với Microsoft Office.
Để trích xuất văn bản từ hình ảnh bằng cách sử dụng OneNote, đầu tiên bạn chạy chương trình rồi kéo và thả một tập tin hình ảnh vào chương trình, nhấp chuột phải vào hình ảnh và chọnCopy Text f-rom Image. Văn bản khi trích xuất xong sẽ lưu vào clipboard và bạn có thể dán nó vào bất kỳ trình soạn thảo tài liệu hay chính trong OneNote. Kết quả của quá trình trích xuất văn bản từ OneNote là gần như chính xác.

3. Sử dụng Google Docs:

Bạn cũng có thể sử dụng dịch vụ Google Docs của Google để trích xuất văn bản từ tài liệu hoặc tập tin hình ảnh. Để sử dụng, truy cập vàohttp://docs.google.comvà đăng nhập với tài khoản Google của bạn. Bây giờ, bấm vào nútUploadvà chọn một hình ảnh hoặc tập tin PDF để tải lên, đánh dấu kiểm trước tùy chọnConvert text f-rom PDF or image files to Google Docs documentsvà sau đó nhấp vào nútStart Upload.
Sau khi hoàn thành quá trình tải lên, nhấp vào tập tin tải lên. Nó sẽ mở tập tin văn bản có nội dung được chiết xuất sẽ hiển thị trong trình soạn thảo Google Doc. Bạn có thể lưu hoặc chỉnh sửa các văn bản.

4. Sử dụng dịch vụ trích xuất chuyên dụng:

Có một số dịch vụ trực tuyến miễn phí có khả năng trích xuất văn bản từ các tập tin hình ảnh, chẳng hạn như:
-OCRconvert.com: Đây là một dịch vụ nhận dạng ký tự quang học (OCR) miễn phí cho phép bạn trích xuất văn bản từ PDF, và các tập tin hình ảnh.  Để sử dụng dịch vụ, bạn chỉ cần tải lên tập tin của bạn, và chọn ngôn ngữ của văn bản trong ảnh hay tài liệu muốn trích xuất. Tiếp theo, bạn chọn định dạng tài liệu mà chương trình sẽ sử dụng để lưu văn bản trích xuất > cuối cùng nhấn nútProcess. Sau khi hoàn tất, bạn có thể tải về các văn bản trích xuất hoặc chỉnh sửa chúng trực tiếp.
-Free-OCR.com: Dịch vụ này hỗ trợ trích xuất đến 29 ngôn ngữ trên thế giới, trong đó có tiếng Việt nữa. Cách sử dụng cũng đơn giản, bạn nhấn nútChooseđể chọn file ảnh sau đó chọn ngôn ngữ trong hộpLanguage, nhập mã Captcha rồi nhấnSend file.Nội dung của file trích xuất sẽ xuất hiện trong hộp văn bản đầu trang dịch vụ.
-FreeOnlineOCR: Đây là dịch vụ hỗ trợ trích xuất nhiều định dạng tài liệu và hình ảnh. Bạn nhấnChooseđể chọn tập tin rồi chọn định dạng tài liệu chứa nội dung trích xuất. Cuối cùng nhấnConvert và chờ đợi khi dịch vụ trích xuất xong. Hoàn tất, bạn nhấnDownloadđể tải về.

Nhìn chung các cách trên đều nhận dạng văn bản tiếng Anh khá tốt nhưng nếu bạn cần trích xuất văn bản tiếng Việt thì tốt nhất là nên dùng VietOCR, Free-OCR. Sai sót trong kết quả khi trích xuất là điều không thể tránh khỏi, nhưng bạn có thể chỉnh sửa chúng dễ dàng.

 
 
 
Say IT

Nguồn tin: http://xahoithongtin.com.vn

Tổng số điểm của bài viết là: 0 trong 0 đánh giá

Click để đánh giá bài viết

  Ý kiến bạn đọc

Giới thiệu về Công ty cổ phần phát triển nguồn mở Việt Nam

Công ty cổ phần phát triển nguồn mở Việt Nam (VINADES.,JSC) là công ty mã nguồn mở đầu tiên của Việt Nam sở hữu riêng một mã nguồn mở nổi tiếng và đang được sử dụng ở hàng ngàn website lớn nhỏ trong mọi lĩnh vực. Wbsite đang hoạt động chính thức: http://vinades.vn/ Ra đời từ hoạt động của tổ chức...

Thăm dò ý kiến

Bạn biết gì về NukeViet 4?

Thống kê truy cập
  • Đang truy cập89
  • Máy chủ tìm kiếm2
  • Khách viếng thăm87
  • Hôm nay9,841
  • Tháng hiện tại748,861
  • Tổng lượt truy cập46,805,956
  • Thông báo phát hành NukeViet 4.3.06

    NukeViet 4.3.06 tiếp tục là bản tiếp theo của thế hệ NukeViet 4.3. Thêm chức năng gửi lại email kích hoạt tài khoản chờ duyệt, chức năng cấu hình CORS, tùy chọn chèn logo cho mỗi lần upload và hỗ trợ các nhà phát triển debug các câu lệnh SQL là những điểm mới đáng chú ý ở phiên bản này.
  • Một số tính năng mới của NukeViet 4.3.06

    Thêm chức năng gửi lại email kích hoạt tài khoản chờ duyệt, chức năng cấu hình CORS, tùy chọn chèn logo cho mỗi lần upload và hỗ trợ các nhà phát triển debug các câu lệnh SQL là những điểm mới đáng chú ý ở NukeViet 4.3.06
  • Đọc, hiểu đúng báo cáo của Google PageSpeed Insights

    PageSpeed Insights là công cụ của Google dành cho các nhà phát triển web giúp phân tích nội dung của trang web, sau đó tạo đề xuất nhằm giúp trang đó hoạt động nhanh hơn. Tuy nhiên đọc và hiểu các báo cáo này như thế nào? Ứng dụng đến đâu... lại là chuyện mà chúng ta phải bàn!
  • Thông báo phát hành NukeViet 4.3.05

    NukeViet 4.3.05 tiếp tục là bản tiếp theo của thế hệ NukeViet 4.3. Gỡ bỏ các nội dung liên quan đến Google Plus và tính năng kiểm duyệt thông tin chỉnh sửa của thành viên là điểm nổi bật tại phiên bản này.
  • Một số cập nhật của phiên bản NukeViet 4.3.05

    Cùng điểm qua một số thay đổi tại phiên bản 4.3.05 của dòng NukeViet 4.x
  • Firefox Send triển khai cho tất cả mọi người

    Bản cập nhật mới nhất của trình duyệt Firefox cung cấp cho người dùng công cụ Firefox Send, giúp họ có thể di chuyển tập tin được mã hóa đầu cuối.
  • Google Tag Manager là gì và triển khai Google Tag như thế nào?

    Mới đầu, Google Tag Manager có lẽ là một công cụ khó hiểu và khó dùng với đại đa số mọi người. Tuy nhiên, một khi đã tiếp xúc và sử dụng công cụ này thì bạn sẽ thấy nó thực sự tuyệt vời, tiện dụng cũng như đầy hữu ích khi Quản trị Website đấy.
 
Bạn đã không sử dụng Site, Bấm vào đây để duy trì trạng thái đăng nhập. Thời gian chờ: 60 giây