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 chưa 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 OCRđể 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 Files\VietUnicode\VietOCR.NET\samples) 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 Files\VietUnicode\VietOCR.NET) vào thư mục C:\Windows\System32.
Sau đó, bạn vào Start > Run, gõ lệnh regsvr32 C:\Windows\System32\WIAAut.dllđể 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.
Nguồn tin: Báo Tuổi Trẻ Online/ HUY TRẦN - ECHIP
Giới thiệu khái quát NukeViet là một ứng dụng trên nền web có thể sử dụng vào nhiều mục đích khác nhau. Phiên bản đang được phát hành theo giấy phép phần mềm tự do nguồn mở có tên gọi đầy đủ là NukeViet CMS gồm 2 phần chính là phần nhân (core) của hệ thống NukeViet và nhóm chức năng quản trị nội...
Thứ sáu - 11/07/2025 10:01
Số TBMT: IB2500313968-00. Bên mời thầu: Sở Xây dựng Thanh Hóa. Đóng thầu: 09:15 20/07/25Thứ sáu - 11/07/2025 10:01
Số TBMT: IB2500310923-01. Bên mời thầu: CÔNG TY XĂNG DẦU VĨNH LONG. Đóng thầu: 08:00 17/07/25Thứ sáu - 11/07/2025 10:01
Số TBMT: IB2500313970-00. Bên mời thầu: TỔNG CÔNG TY GIẤY VIỆT NAM - CÔNG TY TNHH. Đóng thầu: 09:00 18/07/25Thứ sáu - 11/07/2025 09:59
Số TBMT: IB2500313957-00. Bên mời thầu: CÔNG TY THỦY ĐIỆN TRỊ AN - CHI NHÁNH TẬP ĐOÀN ĐIỆN LỰC VIỆT NAM. Đóng thầu: 09:00 21/07/25Thứ sáu - 11/07/2025 09:58
Số TBMT: IB2500305941-02. Bên mời thầu: NGÂN HÀNG NÔNG NGHIỆP VÀ PHÁT TRIỂN NÔNG THÔN VIỆT NAM - CHI NHÁNH TỈNH ĐẮK LẮK. Đóng thầu: 08:00 17/07/25Thứ sáu - 11/07/2025 09:53
Số TBMT: IB2500312582-00. Bên mời thầu: Tổng Công ty Truyền tải điện Quốc gia Công ty Truyền tải điện 2 . Đóng thầu: 09:00 21/07/25Thứ sáu - 11/07/2025 09:51
Số TBMT: IB2500263323-01. Bên mời thầu: Viện Khoa học và Công nghệ Giao thông vận tải. Đóng thầu: 10:00 17/07/25Thứ sáu - 11/07/2025 09:51
Số TBMT: IB2500313877-00. Bên mời thầu: Ban Quản lý dự án đầu tư xây dựng công trình dân dụng và công nghiệp tỉnh Đắk Lắk. Đóng thầu: 08:30 29/07/25Thứ sáu - 11/07/2025 09:47
Số TBMT: IB2500313951-00. Bên mời thầu: CÔNG TY CỔ PHẦN CHẾ BIẾN - XUẤT NHẬP KHẨU GỖ TÂY NINH. Đóng thầu: 07:30 21/07/25Thứ sáu - 11/07/2025 09:43
Số TBMT: IB2500313902-00. Bên mời thầu: Ban quản lý dự án đầu tư công trình giao thông - xây dựng. Đóng thầu: 08:00 30/07/25Thứ sáu - 11/07/2025 02:57
Số KHLCNT: PL2500112334-01. Chủ đầu tư: Ủy ban nhân dân thị trấn Mỹ Phước. Ngày đăng tải: 13:57 11/07/25Thứ sáu - 11/07/2025 02:57
Số KHLCNT: PL2500170297-00. Chủ đầu tư: Cục Chất lượng, Chế Biến và Phát triển thị trường. Ngày đăng tải: 13:57 11/07/25Thứ sáu - 11/07/2025 02:56
Số KHLCNT: PL2500170300-00. Chủ đầu tư: TỔNG CÔNG TY GIẤY VIỆT NAM - CÔNG TY TNHH. Ngày đăng tải: 13:56 11/07/25Thứ sáu - 11/07/2025 02:56
Số KHLCNT: PL2500170299-00. Ngày đăng tải: 13:56 11/07/25Thứ sáu - 11/07/2025 02:56
Số KHLCNT: PL2500170296-00. Chủ đầu tư: Sở Xây dựng Thanh Hóa. Ngày đăng tải: 13:56 11/07/25