Cách trích xuất chữ từ ảnh
- Chọn ngôn ngữ của chữ trong ảnh. Việc này quan trọng: bộ nhận dạng dùng nó để nhận ra dấu và từ ngữ, nên chọn đúng sẽ cho kết quả chính xác hơn nhiều.
- Thả một hoặc nhiều ảnh vào khung, dán ảnh chụp màn hình, hoặc bấm Chọn ảnh. Ảnh chụp, ảnh màn hình và bản scan định dạng JPG, PNG, WebP hoặc BMP đều dùng được.
- Chờ trong lúc chữ được đọc. Thanh tiến trình cho thấy từng giai đoạn. Lần chạy đầu còn phải tải bộ nhận dạng và dữ liệu ngôn ngữ, vài megabyte từ chính website này; các lần sau sẽ nhanh hơn.
- Xem kết quả trong khung, sao chép hoặc tải về dạng file .txt. Với nhiều ảnh, bạn có thể chép hoặc tải tất cả cùng lúc. Nếu chọn sai ngôn ngữ, hãy đổi rồi bấm Đọc lại.
Việc nhận dạng chạy hoàn toàn trong trình duyệt. Ảnh và chữ trích ra không bao giờ được tải lên, nên phù hợp với căn cước, hóa đơn, hợp đồng và ảnh chụp màn hình tin nhắn riêng tư. Không cần đăng ký, không đóng dấu mờ, không giới hạn số ảnh.
OCR hoạt động thế nào
OCR, nhận dạng ký tự quang học, biến các điểm ảnh của bức ảnh thành ký tự. Bộ máy dùng ở đây là Tesseract mã nguồn mở, được biên dịch để chạy trong trình duyệt. Đầu tiên nó tìm các khối chữ và dòng chữ, rồi đọc từng dòng bằng mạng nơ-ron được huấn luyện trên nhiều phông chữ và ngôn ngữ, cuối cùng đối chiếu các từ với từ điển của ngôn ngữ đó. Chỉ số độ tin cậy là ước lượng của chính bộ nhận dạng, từ 0 đến 100, về mức chắc chắn với những gì nó đọc được. Dưới khoảng 70 thì nên kiểm tra kỹ văn bản.
Ảnh lớn được thu nhỏ để cạnh dài nhất không quá 3200 điểm ảnh. Mức đó đã quá đủ cho chữ thông thường và giúp việc đọc nhanh, tốn ít bộ nhớ.
Mẹo để có kết quả tốt nhất
- Thẳng và phẳng. Chụp trang giấy từ chính phía trên, chữ nằm ngang. Dòng chữ nghiêng hoặc cong bị đọc kém hơn nhiều.
- Đủ sáng và tương phản. Chữ đậm trên nền sáng trơn là lý tưởng. Tránh bóng đổ, chói sáng và ảnh chụp màn hình bằng điện thoại.
- Đủ độ phân giải. Chữ nên cao ít nhất khoảng 20 điểm ảnh. Với chữ nhỏ, hãy lại gần hơn hoặc dùng bản scan 300 DPI.
- Cắt sát phần chữ. Hình ảnh, logo và họa tiết quanh chữ có thể làm rối bước phân tích bố cục.
- Chọn đúng ngôn ngữ. Với văn bản tiếng Việt hãy chọn Tiếng Việt, hoặc Tiếng Việt + English khi tên sản phẩm và con số viết bằng tiếng Anh. Các chữ có dấu phụ thuộc vào lựa chọn này.
Ví dụ thực tế
Bạn chụp hóa đơn in bằng điện thoại và muốn đưa các dòng vào bảng tính. Chọn ngôn ngữ của hóa đơn, thả ảnh vào và chờ vài giây. Kết quả có thể là “Cà phê sữa đá 2 × 29.000” với độ tin cậy 88%. Hãy đối chiếu các con số với ảnh, vì chữ số trên giấy nhiệt rất dễ bị đọc nhầm, rồi mới sao chép văn bản. Với bản hợp đồng dài mười trang scan, hãy thêm cả mười ảnh một lúc: công cụ đọc lần lượt từng ảnh và có thể cho bạn một file .txt duy nhất, mỗi trang có một tiêu đề.
Những giới hạn cần nhớ
- Chữ viết tay nhìn chung không được nhận dạng đáng tin cậy.
- Bảng biểu và cột ra thành các dòng chữ; bố cục không được dựng lại, nên bạn có thể phải chỉnh trong bảng tính.
- Luôn đọc soát lại. Đặc biệt kiểm tra con số, tên riêng và dấu trước khi dùng văn bản vào việc quan trọng.
- Điện thoại có thể chậm và tốn nhiều bộ nhớ với ảnh rất lớn. Hãy cắt hoặc thu nhỏ ảnh trước nếu trang bị đơ.
Câu hỏi thường gặp
Ảnh của tôi có bị tải lên máy chủ không?
Không. Bộ nhận dạng chữ chạy ngay trong trình duyệt, dùng các file do chính website này cung cấp. Ảnh và chữ trích ra không bao giờ rời khỏi thiết bị, nên an toàn với giấy tờ có thông tin cá nhân.
Công cụ hỗ trợ những ngôn ngữ nào?
Tiếng Anh, tiếng Việt (riêng hoặc cùng tiếng Anh), tiếng Tây Ban Nha, Pháp, Đức và Bồ Đào Nha. Hãy chọn ngôn ngữ đang viết trong ảnh trước khi bắt đầu; với văn bản trộn lẫn tiếng Việt và tiếng Anh, hãy dùng lựa chọn kết hợp.
Độ chính xác thế nào?
Với chữ in rõ, thẳng và tương phản cao, thường rất chính xác, hay đạt trên 95%. Ảnh mờ, thiếu sáng, chữ viết tay, trang giấy cong, chữ nhỏ và phông trang trí làm giảm độ chính xác, nên hãy luôn đọc soát lại. Chỉ số độ tin cậy cho biết công cụ chắc chắn đến mức nào.
Vì sao lần chạy đầu tiên chậm?
Lần đầu, bộ nhận dạng và dữ liệu ngôn ngữ, vài megabyte, được tải từ chính website này. Sau đó trình duyệt lưu lại và việc nhận dạng chỉ mất vài giây cho mỗi ảnh.
Có đọc được chữ viết tay hoặc file PDF không?
Chữ in ngay ngắn cho kết quả tốt nhất; chữ viết tay nhìn chung không được nhận dạng tốt. Với PDF là bản scan, hãy chuyển các trang thành ảnh bằng công cụ chuyển PDF sang JPG rồi đọc ở đây. Với PDF đã có sẵn chữ thật, hãy dùng công cụ chuyển PDF sang văn bản.