Skip to main content

OCR Simple

OCR (Optical Character Recognition) là công cụ nhận dạng/đọc chữ viết trong hình ảnh. Công cụ OCR simple sử dụng kỹ thuật Machine learning để huấn luyện và nhận dạng từng ký tự trong ảnh.

Ứng dụng phổ biến:

  • ✅ Ứng dụng cho bài toán cần đọc nội dung chữ viết trong hình ảnh.

Tham khảo công cụ OCR pretrain

Video hướng dẫn​

Các công cụ hỗ trợ được sử dụng trong video:

Huấn luyện OCR​

Sử dụng công cụ để huấn luyện những chữ trong hình ảnh để công cụ có thể hiểu từng ký tự có ý nghĩa là gì.

Tách chữ​

  • Phương thức: phần mềm tự động tách từng ký tự hình ảnh và mỗi chữ sẽ được khoanh trong ô màu đỏ. Trong trường hợp tự động không tốt có thể chuyển phương thức sang chế độ thủ công: manual threshold và chỉnh tham số tối thiểu và tối đa sao cho các ô màu đỏ khoanh từng chữ cái cần huấn luyện. Trong hình ảnh trắng đen bên dưới thể hiện khả năng tách chữ khỏi nền của công cụ, nếu chữ và nền trắng đen tách biệt và các chữ không dính vào nhau thể hiện kết quả tách tốt.
  • Phân cực: chế độ màu chữ và nền.
    • Dark on light: chọn khi chữ đen nền trắng.
    • Light on dark: chọn khi chữ trắng nền đen.

Kích thước chữ​

Trong trường tách chữ bị nhiễu có thể sử dụng kích thước để lọc những vùng có kích thước bất thường. Với hình minh họa bên dưới có rất nhiều vùng nhiễu nằm trong vùng tìm kiếm, cần lọc bỏ đi những nhiễu này. Chỉnh thông số:

  • Chiều rộng chữ: chiều rộng tối thiểu và chiều rộng tối đa của chữ.
  • Chiều cao chữ: chiều cao tối thiểu và chiều cao tối đa của chữ.

Kết quả sau khi chỉnh Chiều rộng chữ=20 và Chiều cao chữ=20.

Huấn luyện​

Cần chú ý dạy chữ đúng, trước khi huấn luyện nên kiểm tra lại tất cả các nội dung đã được huấn luyện với ảnh mẫu. Nếu dạy nhầm chữ sẽ ảnh hướng tới kết quả đọc chữ.

Những trường hợp không thể huấn luyện​

Những trường hợp không thể huấn luyện:

  • Hình ảnh quá nhiễu, không thể tách được chữ ra khỏi nền.
  • Nhiễu có kích thước tương đồng vói chữ.
  • Các chữ có độ sáng không đồng đều, việc tách chữ có thể khiến chữ bị mất một phần hoặc hoàn toàn.
  • Các chữ bị dính vào nhau, không thể tách rời.
  • Chữ dạng dot print - chữ không liền mạch.
tip

Tiền xử lý: để xử lý tốt hơn người dùng có thể tiền xử lý ảnh đầu vào với các công cụ như:

  • Brightness adjust: giúp hình ảnh chữ và nền rõ ràng hơn
  • Blur: giảm nhiễu đầu vào.
  • Erode,dilate: có thể giúp giảm dích chữ hoặc chữ bị đứt đoạn trở lên liền mạch.

Số lượng chữ huấn luyện: mỗi chữ cái nên huấn luyện trong khoảng từ 10-30 mẫu/1 chữ. Số lượng thay đổi tùy vào chữ có bị thay đổi nhiều hay không, nếu bị thay đổi nhiều thì nên huấn luyện chữ đó nhiều. Số lượng mẫu huấn luyện trên từng chữ nên cân bằng, không nên chênh lệch quá nhiều, ví dụ chữ 'A' được huấn luyện 30 chữ nhưng chữ 'B' chỉ được huấn luyện 2 chữ.

Font chữ/Kiểu chữ: khi thay đổi font chữ/kiểu chữ nên huấn luyện 1 bộ mới, không nên dùng chung với bộ huấn luyện cũ. Chữ cái in hoa và chữ cái thường không tương đồng với nhau.

Đọc chữ​

Kêt quả đọc​

Kết quả trả về nội dung ký tự đọc được.

Cài đặt giới hạn​

Cài đặt so sánh với nội dung chữ:

  • So sánh nội dung: so sánh với nội dung được nhập bởi người dùng
    • Equal: so sánh 2 chữ phải tương đồng.
    • Contain: chữ đọc được chứa chữ do người dùng nhập.
  • Bỏ qua chữ hoa/chữ thường: khi chọn chức năng này thì kết quả so sánh sẽ không phân biệt chữ hoa, chữ thường.