Trả lời ngắn gọn: Máy tính có thể nhận dạng chữ in hoặc chữ viết từ ảnh bằng OCR: phần mềm phân tích hình ảnh, nhận dạng ký tự rồi chuyển kết quả thành văn bản có thể tìm kiếm và chỉnh sửa.
Nguyên lý hoạt động
Bình thường chúng ta phải nhập vào máy tính nhiều văn kiện, con chữ, kí hiệu hoặc chữ Hán và thông thường là dùng chức năng biên dịch của hệ thống máy tính và thực hiện bằng các con chữ, phím kí hiệu trên bàn phím hoặc mã vào của chữ Hán. Nếu như lượng ghi nhớ rất lớn thì sẽ nảy sinh sai sót mà khó lòng phát hiện ra.
Sau đó là đọc biết bằng một phần mềm gọi là hệ thống đọc con chữ (bao gồm con chữ, con số và các kí hiệu khác) quang học OCR. Với một lượng rất ít con chữ mà hệ thống máy không đọc được thì phải bằng cách trao đổi trực tiếp giữa người và máy để hoàn thành công việc ghi vào toàn bộ văn bản.
Với hệ thống OCR ngày nay thì độ sai sót trong việc nhận biết đã hạ thấp rất nhiều đối với những văn bản có chất lượng in ấn tốt. Cùng với sự nâng cao trình độ thông minh của hệ thống OCR thì việc nhận biết đối với các văn bản viết tay và văn bản in chất lượng thấp cũng được nâng cao nhanh chóng về hiệu quả.
Thành phần và điều kiện kỹ thuật
Vậy thì máy tính đã nhận biết con chữ thế nào bằng hệ thống OCR? Thường thì hệ thống OCR hoàn thành việc nhận biết con chữ theo năm bước như sau:
– Trước hết, bằng máy quét sẽ đọc nhập vào bộ nhớ chính RAM những trang chữ để lưu trữ. – Bước thứ hai, khu biệt các dòng, các đoạn, tiêu đề và chính văn, con chữ và hình ảnh không quy tắc của văn bản.
Đây là bước trung tâm của quá trình nhận biết chữ. – Bước thứ ba, nhận biết các con chữ đã được cách li ra, bước này thường gọi là nhận biết dạng chữ hoặc phối hợp dạng chữ.
Ứng dụng, giới hạn và bối cảnh hiện nay
Phần mềm sẽ đối chiếu “chữ hình vẽ” được cách li thành khối vuông với chữ chuẩn được lưu trữ trong bộ nhớ bên trong máy, rồi nhận biết từng con chữ bằng cách phối hợp. – Bước thứ tư, những con chữ chưa được nhận biết ở bước thứ ba lại được nhận biết bằng một quá trình xử lí tinh tế và có thời gian dài hơn.
Quá trình này gọi là “nắm đặc trưng”. – Bước thứ năm, xử lí ký hiệu khó giải, thường có hai cách: (1) Đánh dấu những con chữ chưa được nhận biết và đẩy ra để sửa chữa hoặc thay đổi bằng phương pháp thủ công. (2) Sửa chữa những sai sót trong phiên âm bằng chương trình soát phiên âm sai hoặc chương trình soát sai chữ Hán thường dùng.
Để máy tính có thể nhận biết được càng nhiều chữ Hán một cách chính xác, người ta đã tiến hành nghiên cứu phương pháp cơ bản tự động nhận biết. Những phương pháp cơ bản này gồm hai loại là (1) Phương pháp quyết sách thống kê được hình thành từ đặc trưng thống kê chữ Hán được nêu ra để nhận biết và (2) Phương pháp cấu trúc cú pháp chữ Hán.
Ngoài ra các ngành: phương pháp trí năng, toán học tập mờ và mạng thần kinh nhân tạo cũng đang có tác dụng ngày càng quan trọng trong việc tự động nhận biết chữ Hán.