Nhận diện chữ Trung Quốc từ file hình ảnh với độ chính xác cao

Bạn có một đoạn text bằng tiếng Trung, muốn mang nó lên google translator để dịch sang tiếng Việt nhằm một mục đích nào đó. Nhưng nếu đoạn text đó nằm trong file hình ảnh không thể copy vào google translator, và bạn lại không hề biết tí gì về tiếng Trung, lại càng không biết cách gõ vào máy tính như thế nào cả, thế thì phải làm sao? 8-x Đến lúc này bạn sẽ nghĩ ngay đến việc tìm một phần mềm có khả năng nhận diện được những dòng chữ loằng ngoằng kia và xuất ra thành chữ mà có thể copy mang vào google translator được. Phương pháp này được gọi chung là OCR (Optical Character Recognition).

Lên mạng tìm sẽ có khá nhiều phần mềm làm được việc này, tuy nhiên hầu hết kết quả lại không như mong đợi: Có chữ nhận diện được, có chữ thì không, lại còn cho ra những chữ khác xa hoàn toàn so với chữ gốc nữa 8-x.

Ngoài ra còn có một số phần mềm nhận diện chữ bằng cách vẽ từng nét chữ, nhưng cách này thì lâu cực kì và rất mất thời gian 8-x.

Do đó mình xin giới thiệu một phần mềm nhận diện chữ với độ chính xác cao, mình đang dùng nó và thấy khá hài lòng, thi thoảng nó cũng không nhận diện được một số chữ nhưng mình lại có mẹo để nó vẫn nhận diện được. Phần mềm này rất có thể trong máy bạn có cài đặt rồi nhưng lại chưa hề dùng đến :-?.

Cái mình đang nói đến chính là Microsoft OneNote, nằm trong bộ Office của Microsoft. Hiện tại mình đang dùng bản Microsoft OneNote 2010, cài đặt từ bộ Microsoft Office 2010 Professional Plus. Bản mình cài là bản tiếng Anh, mặc định chỉ hỗ trợ nhận diện chữ của 3 ngôn ngữ là English, French, và Spanish. Do đó để có thể nhận diện được chữ Trung Quốc cần cài đặt thêm gói ngôn ngữ tiếng Trung, và hầu hết chữ Trung Quốc được sử dụng hiện nay là chữ giản thể (Simplified), do đó chỉ cần cài thêm gói ngôn ngữ Chinese Simple thôi.

Link download thì google search X16-37690.exe (nếu office đã cài là bản 32bit) hoặc X16-37627.exe (nếu là bản 64bit). Lưu ý đây là gói ngôn ngữ cho office 2010 nhé.
Còn đối với office 2013 sẽ là X18-51518.exe (nếu office đã cài là bản 32bit) hoặc X18-51519.exe (nếu là bản 64bit).

Sau khi cài đặt xong gói ngôn ngữ cần thiết, nên khởi động lại máy để có hiệu lực.
Mở Microsoft OneNote 2010 lên, để ý sau đó sẽ có 1 icon của OneNote chạy thường trực bên dưới khay đồng hồ, cái này rất tiện là khi nào cần đưa 1 phần hình ảnh (có chữ Trung Quốc) vào trong OneNote thì nhấn tổ hợp phím Windows + S, chọn vùng cần lấy, sau đó sẽ xuất hiện 1 bảng, chọn lưu vào clipboard (đánh dấu tick vào ô lưu lại tùy chọn để sau này nó không hỏi lại nữa), sau đó chuyển sang cửa sổ OneNote và paste vào (Ctrl + V), rất nhanh.

Để nhận diện chữ Trung Quốc thì ở cửa sổ OneNote, nhấn phải chuột vào hình (hình mà khi nãy mới paste vào ấy), chọn cái cuối cùng là Make Text in Image Searchable > Chinese (PRC) (nên để default language thành Trung Quốc thì mỗi lần làm khỏi phải chọn lại, đỡ mất thời gian, còn giao diện thì vẫn là giao diện tiếng Anh, không bị ảnh hưởng gì cả). Để lấy được chữ thì nhấn phải chuột vào hình rồi chọn cái ở gần cuối là Edit Alt Text... (thực ra chọn Copy Text from Picture cũng được, nhưng chọn cái kia để còn kiểm tra xem nó nhận diện đúng hay sai, rồi copy chữ ngay trong ô đó luôn).

Một số chữ (nhất là những chữ nằm riêng lẻ hoặc cách nhau không đều, hoặc chỉ nằm trên một dòng duy nhất) nó không nhận diện ngay được, không xuất ra được chữ gì hoặc là nhận diện sai chữ. Hãy thử chọn lại vùng nhỏ hơn và gần sát chữ hơn. Nếu vẫn không nhận diện được thì có một mẹo, hơi vất vả tí nhưng bù lại sẽ lấy được chữ cần lấy, đó là đưa cái hình kia vào mspaint, crop dòng chứa chữ không nhận diện được, sau đó copy và paste hình đó và đặt xuống bên dưới, coi như là thành 2 dòng giống nhau, làm cỡ 4-5 dòng (khoảng cách đều nhau) là sẽ trông như 1 đoạn văn mà các dòng có cùng nội dung.

Một số trường hợp chữ trong hình nằm trên nền ảnh, gây khó khăn cho việc nhận diện chữ, lúc này mang vào photoshop, để nền màu đen, rồi dùng eraser xóa sao cho chỉ còn chữ trên nền đen. Hơi vất vả nhưng vì mù tiếng Trung nên đành chịu thôi :D.

Hình ví dụ đây, nãy giờ toàn chữ là chữ, thấy cũng kì (cái hình mình lấy từ clip phim hoạt hình ra, chất lượng của phim đó rất tệ, hình thì mờ, res chỉ có 240p thôi):