Trước khi chuyển ảnh thành chữ, hãy kiểm tra ảnh có phù hợp với OCR không

Lỗi nhận dạng không nhất thiết do chọn sai công cụ. Góc chụp, ánh sáng và cỡ chữ có thể làm kết quả của cùng một trang khác nhau.

OCR nhận pixel, không nhận nguyên văn trên giấy. Không thể trông đợi nét mờ, mất hoặc bị che được tự bổ sung đúng. Kiểm tra nguồn thường tiết kiệm hơn xử lý lặp lại một ảnh có vấn đề.

Phân biệt lỗi chụp và lỗi bố cục

Có khi sai từng ký tự; có khi chữ khá đúng nhưng đoạn văn bị đảo. Cách xử lý khác nhau.

Vấn đề	Kết quả có thể gặp	Ưu tiên xử lý
Mất nét, rung, chữ quá nhỏ	Nhầm nét và sai chữ số	Chụp lại hoặc lấy nguồn rõ hơn
Phản sáng, che khuất, quá sáng	Thiếu chữ tại một vùng	Sửa ánh sáng hoặc bỏ vật che rồi chụp lại
Trang nghiêng, méo phối cảnh	Lộn dòng hoặc bỏ sót vùng	Đổi góc chụp hoặc hiệu chỉnh ảnh tài liệu
Nhiều cột, bảng phức tạp, bố cục hỗn hợp	Sai thứ tự đọc và cấu trúc	Xử lý từng vùng rồi sắp xếp thủ công

Phóng ảnh gốc tại chỗ lỗi. Nếu mắt người cũng không xác định được ký tự, đổi thiết lập có thể không giải quyết được.

Cả trang rõ quan trọng hơn tệp lớn

Ảnh hàng chục MB vẫn có thể chỉ rõ vài dòng giữa trang. Dung lượng không bảo đảm mọi chữ đều đọc được.

Giữ trang phẳng, máy ảnh đối diện giấy và tài liệu chiếm phần lớn khung. Sau chụp, xem góc, mép và chữ nhỏ nhất, không chỉ ảnh thu nhỏ.

Phần dưới mờ hoặc chữ cong gần gáy sách không được sửa bằng tăng chất lượng xuất. Nếu có thể, cải thiện điều kiện rồi chụp lại.

Với máy quét, chọn độ phân giải phù hợp. Chỉ đổi số DPI của ảnh có sẵn không thêm thông tin nét chữ. Cần xem pixel thực của chữ có đủ rõ không.

Cắt phần thừa nhưng đừng sát chữ

Mặt bàn, tờ giấy bên cạnh và viền quét đen có thể bị nhận dạng cùng. Cắt hợp lý làm rõ nội dung cần xử lý.

Dùng Cắt ảnh để giữ toàn bộ vùng chữ và một ít lề, không sát dòng đầu hay ký tự cuối. Bảng cần giữ tiêu đề, đơn vị và chú thích để hiểu đúng số liệu.

Cũng kiểm tra độ nghiêng: dòng nghiêng nhiều có thể ảnh hưởng tách dòng. Hướng dẫn chất lượng Tesseract đề cập chỉnh nghiêng và lề hợp lý.

Xoay không phải sửa phối cảnh. Xoay trang hình thang không làm tỷ lệ chữ đều khắp trang.

Đừng dùng tăng cường ảnh để đoán nét thiếu

Một số vấn đề cải thiện bằng độ sáng; số khác nghĩa là thông tin chưa được ghi lại.

Chữ dưới bóng có thể vẫn còn nhưng ít tương phản. Vùng trắng do phản sáng có thể không còn nét dùng được.

Xử lý đen trắng quá mạnh cũng xóa nét mảnh hoặc dính nét. Trang trông sạch hơn chưa chắc tốt hơn cho OCR.

Phóng bằng AI không xác nhận nguyên văn. Ký tự dễ đọc hơn có thể sai. Với số tiền, mã và tên, hãy tìm nguồn rõ thay vì điền theo ảnh tăng cường.

Thử một trang trước cả lô

Chọn ảnh đại diện có nội dung chính, chữ nhỏ, số hoặc bảng. Xem kết quả dùng được không rồi mới xử lý toàn bộ.

Dùng Ảnh sang Word cho văn bản và Ảnh sang Excel cho bảng. Định dạng hỗ trợ tổ chức, không bảo đảm dựng lại hoàn chỉnh bố cục gốc.

Kiểm tra cả giữa và cuối trang. Đọc trôi chảy không chứng minh mã, ngày và dấu thập phân đúng.

Nếu mép luôn thiếu chữ hoặc một cột luôn lệch, quay lại ảnh đầu vào. Xử lý cả lô có thể chỉ nhân cùng lỗi lên.

Kiểm tra trước và sau nhận dạng

Trước OCR, xác nhận:

• Trang đầy đủ và đúng hướng.
• Chữ nhỏ và các góc rõ, không rung thấy rõ.
• Vùng quan trọng không phản sáng, che khuất hoặc quá sáng.
• Cắt hợp lý, giữ lề và giải thích cần thiết.
• Dùng ảnh gốc rõ, không phải bản chuyển tiếp, chụp màn hình hoặc nén nhiều lần.

Sau đó đối chiếu thứ tự đoạn, dòng thiếu, số tiền, ngày, mã và tên riêng với nguồn. Với bảng, kiểm tra hàng và cột của mỗi giá trị.

DocCrunch Ảnh sang Word nhận dạng cục bộ trong trình duyệt nhưng vẫn cần kiểm chứng. Ảnh gốc cung cấp căn cứ, OCR giảm nhập liệu và soát lại xác nhận kết quả.

Chuẩn bị đầu vào thường hiệu quả hơn sửa từng ký tự. Giữ cả ảnh gốc rõ bên cạnh tài liệu chuyển đổi để đối chiếu bất cứ lúc nào.