1. Bắt đầu với nguồn tốt nhất hiện có
Sử dụng bản quét gốc hoặc tệp máy ảnh thay vì ảnh chụp màn hình của hình thu nhỏ. Nếu ai đó đã gửi một bản xem trước nhỏ, hãy yêu cầu tài liệu gốc. Khi một PDF đã có văn bản có thể chọn chính xác, hãy sử dụng lại văn bản đó thay vì chuyển đổi nó thành hình ảnh và nhận dạng lại.
Giữ một bản sao không thay đổi trước khi điều chỉnh độ tương phản, xoay hoặc cắt. Bản gốc là tài liệu tham khảo của bạn khi phiên bản sau bị mất dấu câu mờ hoặc dấu viết tay. Đặt tên cho các bản sao làm việc để bạn có thể so sánh chúng mà không cần đoán tệp nào đã được chỉnh sửa.
2. Làm cho các chữ cái có thể đọc được trước khi tải lên
Đối với ảnh chụp, hãy giữ trang phẳng, giữ máy ảnh gần như song song với trang và sử dụng ánh sáng đều. Tránh ánh sáng chói trên giấy bóng và bóng từ tay hoặc điện thoại của bạn. Kiểm tra một vài từ nhỏ trước khi cất tài liệu đi; việc chụp lại sẽ dễ dàng hơn khi nguồn vẫn còn.
Đối với bản quét, 300 pixel mỗi inch là một điểm khởi đầu hữu ích cho văn bản in thông thường. IMPACT khuyến nghị độ phân giải cao hơn cho bản in rất nhỏ. Cục Lưu trữ Quốc gia Hoa Kỳ cũng chỉ định 300 ppi cho các hồ sơ văn bản vĩnh viễn hiện đại trong các yêu cầu số hóa của riêng mình. Đây là các tham chiếu chụp, không phải là sự đảm bảo rằng mọi trang sẽ nhận dạng chính xác.
Thay đổi nhãn DPI trên tệp có độ phân giải thấp hiện có không tạo ra chi tiết mới. Kiểm tra các cạnh ký tự và dấu câu, và quét lại ở độ phân giải thích hợp khi có bản gốc.
3. Làm thẳng chế độ xem và chọn một vùng mạch lạc
Làm cho văn bản thẳng đứng và loại bỏ các đường viền không liên quan khi chúng cạnh tranh với trang. Để lại một chút không gian xung quanh văn bản dự định: một lần cắt chặt có thể cắt mất dấu trọng âm, các phần dưới hoặc chữ số cuối cùng của một số.
Đối với các cột, hãy nhận dạng từng cột hoặc một đoạn văn được kết nối logic tại một thời điểm khi thứ tự toàn trang không đáng tin cậy. Giữ các tiêu đề bảng với các giá trị của chúng. Việc tách từng ô nhỏ có thể loại bỏ ngữ cảnh bạn cần để tái tạo kết quả.
4. So sánh các điều chỉnh hình ảnh khiêm tốn
Một điều chỉnh độ tương phản nhỏ có thể giúp ích cho văn bản mờ, trong khi lọc quá mức có thể xóa nó. Làm tối trang cũng có thể làm nổi bật các vết bẩn, kết cấu giấy hoặc chữ viết từ mặt sau. So sánh hình ảnh đã điều chỉnh với bản gốc ở cùng mức thu phóng.
Thử một điều chỉnh trên một đoạn khó trước khi thay đổi mọi thứ. Nếu một cải tiến làm cho hình ảnh trông sạch hơn nhưng xóa mất dấu phẩy hoặc nối hai chữ cái, thì nó đã không cải thiện bằng chứng cho OCR.
5. Đặt ngôn ngữ và so sánh các chế độ nhận dạng
Chọn ngôn ngữ thực sự được sử dụng trong văn bản đã chọn. i2OCR cung cấp 128 lựa chọn nhận dạng, bao gồm cả tập lệnh và các biến thể lịch sử. Đối với một trang đa ngôn ngữ, việc tách các vùng riêng biệt có thể làm cho kết quả dễ đánh giá hơn.
Classic là một điểm khởi đầu hữu ích cho tài liệu in rõ ràng. Future có thể giúp ích với các tài liệu đa dạng hơn và chữ viết tay. So sánh cùng một đoạn ngắn khi không chắc chắn. Đánh giá toàn bộ bản ghi, bao gồm các từ bị bỏ sót và thứ tự dòng, thay vì một vài câu được nhận dạng chính xác.
6. Xem xét văn bản so với hình ảnh
Kiểm tra một mẫu từ trên cùng, giữa và dưới cùng của vùng đã chọn. Sau đó kiểm tra các chi tiết mang nhiều ý nghĩa nhất. Một dấu thập phân bị đặt sai chỗ hoặc một từ bị thiếu như không có thể quan trọng hơn một vài lỗi chính tả thông thường.
- Tên, mã định danh, ngày tháng, dấu thập phân và đơn vị khớp với nguồn.
- Mọi dòng dự định đều có mặt; tiêu đề và chú thích ở những nơi hợp lý.
- Các cột và hàng bảng không bị kết hợp không chính xác.
- Các đoạn không rõ ràng được đánh dấu để xem xét thay vì đoán thầm.
- Một trích dẫn được sao chép giữ lại cách diễn đạt và dấu câu bạn định trích dẫn.
7. Lưu kết quả đã xem xét và sử dụng lại những gì hiệu quả
Lưu bản ghi đã sửa trước khi dịch hoặc viết lại. Giữ tên tệp nguồn hoặc tham chiếu trang với kết quả. Nếu bạn sẽ xử lý các tài liệu tương tự sau này, hãy ghi chú ngôn ngữ, vùng đã chọn và các điều chỉnh đã giúp ích.
Các công cụ trực tuyến chấp nhận một hình ảnh lên đến 25 MB hoặc một PDF lên đến 200 MB và 750 trang nguồn, tùy thuộc vào giới hạn hiển thị trong công cụ. PDF OCR xử lý một trang hoặc vùng đã chọn cho mỗi yêu cầu. Kích thước hình ảnh và giới hạn xử lý cũng được áp dụng, vì vậy một nguồn nhỏ hơn, được chụp tốt có thể thiết thực hơn một tệp rất lớn.
Câu hỏi và câu trả lời
Tôi nên quét ở độ phân giải nào?
Bắt đầu ở mức khoảng 300 ppi cho văn bản in thông thường; các bản in nhỏ hơn có thể cần độ phân giải chụp cao hơn. Hãy kiểm tra các chữ cái thực tế. Chỉ riêng độ phân giải không thể khắc phục được tình trạng mờ, lóa hoặc bản gốc bị hỏng.
Tôi có nên chuyển đổi mọi hình ảnh sang đen trắng không?
Không. Việc tạo ngưỡng (thresholding) có thể làm mất các văn bản mờ hoặc làm nhòe các nét chữ. Hãy giữ bản gốc và so sánh một vùng nhỏ trước khi quyết định chuyển sang phiên bản đen trắng.
Tệp lớn hơn liệu có luôn mang lại OCR tốt hơn không?
Không. Kích thước tệp phản ánh kích thước, độ nén và định dạng, không chỉ là độ rõ nét. Một hình ảnh rõ ràng, được căn chỉnh tốt có thể hữu ích hơn một bức ảnh lớn nhưng bị mờ.