OCR چیست؟

OCR چیست و چه کاربردی در تبدیل دیجیتال دارد؟

OCR یا تشخیص نوری حروف: فرض کنید می خواهید مقالات نسخه های قبلی روزنامه، مجله، پرونده های بیمارستان، اسناد وام و تراکنش های مالی بانک یا قراردادهای چاپ شده و فیزیکی خود را دیجیتال کنید. یکی از راه های آن تایپ مجدد تمامی اسناد و سپس ویرایش و غلط گیری است که بسیار زمانبر و مستلزم هزینه انرژی، مالی و نیروی کار فراوان است.
راه دیگر تبدیل تمامی اسناد و مدارک به نسخه دیجیتال از طریق اسکن کردن است. اسکن پرونده و اسناد دو حالت به خود می گیرد: اسکن و ذخیره به صورت عکس که قابل جستجو نبوده و صرفا می توان با استفاده از اسم فایل روی آنها مدیریت داشت. هرچند در این مدل حجم داده های اسکن شده فوق العاده زیاد می شود و به ظرفیت ذخیره خیلی بالایی نیاز دارد.
حالت دوم اسکن و خواندن همزمان متن است که به آن OCR یا تشخیص نوری حروف (Optical Character Recognition) اطلاق می شود و نرم افزار حین اسکن پرونده یا مدرک کاغذی و فیزیکی به خواندن محتوای آن می پردازد. بزرگترین کیفیت دیجیتال سازی پرونده های قدیمی با استفاده از OCR در قابل جستجو بودن آن است.

در این مقاله می خوانیم:

• تشخیص اپتیکال یا نوری حروف (OCR) چیست؟
• فناوری های زمینه ای OCR چیست؟؟
• اصول زمینه ای OCR چیست؟
• شناسایی تصاویر دوربین دیجیتال
• طریقه استفاده از نرم افزار OCR
• فواید اجرای OCR در دیجیتال سازی

تشخیص نوری حروف (OCR) چیست؟

مکانیسم واقعی که توسط آن بشر می تواند اشیا را شناسایی و تشخیص دهد، هنوز بخوبی معلوم نیست اما سه اصل پایه آن بخوبی شناخته شده می باشد و دانشمندان آن را تمامیت، هدفمندی و سازش پذیری (IPA) می نامند. این سه اصل محور نرم افزارهای OCR را تشکیل می دهد که تشخیص طبیعی یا شبه انسانی را ممکن کرده است.

اما نرم افزار OCR چطوری متن را تشخیص می دهد. ابتدا نرم افزار به تجزیه و تحلیل ساختار تصویر سند می پردازد. سپس صفحه عکس را به اجزای تشکیل دهنده آن از قبیل بلوک های متن، جداول، تصاویر و غیره تقسیم می کند. پس از تشخیص بلوک های متن، آنها را به جملات و کلمات تقسیم کرده و سپس حروف را تشخیص می دهد.

وقتی حروف مشخص شد و برنامه حروف را شناسایی کرد، مجموعه حروف موجود در تصویر را از نظر الگو با هم مقایسه می کند. سپس فرضیه های متعدد تعبیه شده در مورد حروف را اعمال می کند. برنامه براساس این فرضیه ها انتهای جملات و خطوط و پاراگراف را تشخیص می دهد و سپس متن را به متن دیجیتال تبدیل می کند.

نرم افزارهای OCR غالبا حاوی دیکشنری زبان های مختلف هستند به آنها امکان تجزیه و تحلیل ثانویه اجزای متن در سطح کلمه به کلمه را می دهد. نرم افزار با استفاده از فرضیه ها و پشتیبانی فرهنگ لغت خود صحیح ترین تجزیه و تحلیل و تشخیص متن را انجام می دهد تا بهترین نتیجه کیفی را داشته باشد.

فناوری زمینه ای OCR چیست؟

تشخیص نوری حروف یا OCR فناوری است که امکان تبدیل انواع اسناد، پرونده و مدارک به قالب دیجیتال را فراهم ساخته است، از قبیل اسناد کاغذی اسکن شده، فایل pdf یا تصاویر گرفته شده با دوربین دیجیتال. فناوری OCR امکان تبدیل این اسناد، پرونده، مدارک و تصاویر به داده قابل ویرایش و قابل جستجو را فراهم ساخته است.

تصور کنید مقداری اسناد کاغذی دارید (مثل مقاله مجله، داستان روزنامه، بروشور، برگه قرارداد pdf ارسال شده از طریق ایمیل و سایر انواع مدارک، پرونده و اسناد کاغذی یا اسکن شده). مسلم است که اسکن کردن این اطلاعات برای استفاده های بعدی کافی نیست. اطلاعات زمانی ارزش استفاده دارد که قابل ویرایش و جستجو باشد و بتوان در هر لحظه آن را بازیافت کرده و مشخصات خاص مورد نظر را بدست آورد.

تمام کاری که با اسکن اسناد و مدارک انجام می شود، بدست آوردن تصویری از اسناد و مدارک است که به صورت یک مجموعه از تصاویر سیاه و سفید یا رنگی در هارد دیسک ذخیره می شود و تحت عنوان تصویر لکه ای (raster image) شناخته می شود.

استخراج اطلاعات و هدفمندی داده های بدست آمده از اسکن اسناد، تصاویر دوربین یا فایل های pdf زمانی امکانپذیر است که تحت تشخیص نوری متن (OCR) قرار گیرند و متن داخل تصاویر استخراج شده و در یک پایگاه داده یا انواع دیگر ذخیره اطلاعات جمع آوری شود.

بدین ترتیب اسناد یا مدارکی که تحت OCR قرار گرفته است را می توان به مایکروسافت ورد یا واژه پردازهای دیگر برای ویرایش ارسال نمود. همچنین امکان جستجوی کامل و پیشرفته اسناد و محتوای جمع آوری شده وجود دارد.

اصول زمینه ای OCR چیست؟

سیستم های خیلی پیشرفته تشخیص نوری حروف از قبیل ABBYY FineReader OCR روی تقلید و تکرار فرآیند طبیعی یا شبه انسانی تشخیص متن تمرکز دارند. اصول زمینه ای و بنیادین این سیستم ها عبارتست از: یکپارچگی، هدفمندی و سازش پذیری.

اصل یکپارچگی بدین معنی است که شی مشاهده شده بایستی همیشه به عنوان یک کل در نظر گرفته شود و تمامی بخش های مربوط و نامربوط تشکیل دهنده آن شناسایی و تبدیل شود.

اصل هدفمندی می گوید تفسیر داده ها بایستی همیشه برای لحاظ اهداف کاربر باشد. اصل سازش پذیری بدین معنی است که برنامه بایستی توانایی یادگیری داشته و خود را آموزش دهد. بدین معنی که با هر بار تکرار پروسه، فرضیه های مربوط به شناسایی بخش ها، پاراگراف، جمله و کلمه و حروف تشکیل دهنده اسناد را تقویت و به روز رسانی کند.

تجربه و مشاهده مزایای برنامه های OCR ساخته شده براساس این سه اصل (IPA) نیازمند تخصص و مهارت خاصی نیست: این اصول به برنامه حداکثر انعطاف پذیری، هوش و توانایی را می بخشد و هر چه بیشتر عملکرد OCR برنامه را به تشخیص طبیعی انسان نزدیکتر می کند.

شناسایی تصاویر دوربین دیجیتال

تصاویر گرفته شده با دوربین دیجیتال با اسناد اسکن شده یا فایل های pdf فقط تصویری (غیر قابل ویرایش) تفاوت دارد. تصاویر دوربین دیجیتال همیشه نقص هایی دارد مثلا حاشیه های عکس کشیده می شود یا کج است، نور پردازی ممکن است باعث درخشندگی و کمرنگ شدن بخشی از متن و محتوای عکس شده باشد.

اجرای OCR برای تشخیص محتوای عکس های دوربین دیجیتال و شناسایی صحیح متن داخل عکس سخت است. هرچند نسخه های جدیدتر برنامه های OCR توانایی بالایی داشته و بسیاری از این متغیرهای مخدوش کننده پروسه را رفع کرده اند.

طریقه استفاده از نرم افزار OCR

استفاده از نرم افزارهای OCR نسبتا ساده و سرراست است. این پروسه در سه مرحله انجام می شود. باز کردن عکس یا اسکن کردن اسناد، شناسایی محتوای عکس و ذخیره محتوا به فرمت مناسب مورد نظر (DOC, RTF, XLS, PDF, HTML, TXT و غیره) یا اکسپورت مستقیم محتوا به برنامه های واژه پرداز و دفتری مثل مایکروسافت ورد، اکسل، ادوبی آکروبات. گاهی نتیجه OCR مستقیما در بانک اطلاعاتی (پایگاه داده) شرکت بارگذاری می شود.

نسخه های جدید بعضی از نرم افزارهای OCR از حالت اجرای وظیفه خودکار (Automated Tasks) پشتیبانی می کنند که برای اجرای کارهای روزانه و تکرار شونده ضروری است. در این روش اجرای OCR و تشخیص متن بطور خودکار و بدون اجرای دستی مراحل فوق انجام می شود.

فواید اجرای OCR

نتیجه پروسه OCR بخصوص در بعضی از نرم افزارها مثل FineReader OCR دقیقا مشابه نسخه اولیه سند یا محتوا است. این نرم افزارهای پیشرفته به ما کمک می کنند در ایجاد، پردازش، تغییر کاربری و دیجیتال سازی اسناد و مدارک، در انرژی، نیروی کار، هزینه صرفه جویی کرده و عدم رضایت کاربران را کاهش دهیم.

می توان از کتاب ها، مجلات و روزنامه های قدیمی و کاغذی استفاده کرده، بخش های مورد نظر محتوا را اسکن و OCR کرده و در تکالیف دانشجویی و کاری خود استفاده کنیم، بدون اینکه به تایپ و حروفچینی مجدد نیاز شود. بدین ترتیب محتوای ویراستاری شده با قالب مناسب به تکلیف اضافه می شود.

با استفاده از نرم افزار OCR و دوربین دیجیتال حتی می توان متن بنرها، آگهی های تبلیغاتی، نوشته های روی در و دیوار شهر را تبدیل، ویرایش و ذخیره کرد. پروسه OCR کارآمدی و هزینه-اثربخشی دیجیتال سازی پرونده ها و مدارک سازمانی و نهادها را چندین برابر کرده است.

می توان از نرم افزار OCR برای تهیه نسخه قابل ویرایش و جستجو محتوا در قالب فایل pdf استفاده کرد. می توان پرونده ها، حساب های مالی، آرشیو اسناد قدیمی، محتوای موجود در دبیرخانه فیزیکی را با استفاده از OCR دیجیتال کرده و به صورت فایل هایی با قالب متنوع یا به صورت یک پایگاه داده ذخیره کرد.

کل فرآیند تبدیل داده اسناد، تصاویر و فایل های تصویری قدیمی و در دسترس به محتوای دیجیتال قابل ویرایش و جستجو زمان خیلی کمی طول می کشد و نتیجه حاصل از دیجیتال سازی و OCR دقیقا شبیه به سند اولیه خواهد بود.

خلاصه مطلب

رشد تکنولوژی و بخصوص فناوری اطلاعات موجب دنیای بی کاغذ شده است. امروزه شرکت ها، سازمان ها، نهادهای خصوصی و دولتی و حتی افراد به تدریج کتاب ها، پرونده ها، اسناد، مدارک و تصاویر خود را دیجیتال می کنند و نسخه دیجیتال آنها را به صورت نسخه فعال و نسخه پشتیبان ذخیره می کنند.

وقتی انرژی و هزینه ای صرف می شود و اسناد و پرونده ها اسکن و دیجیتال می شود، بهتر است از یک نرم افزار تشخیص متن مثل نرم افزارهای OCR استفاده کرده و تبدیل را به صورت محتوای قابل ویرایش و قابل جستجو انجام داد.

پروسه تبدیل و دیجیتال کردن همراه با پروسه OCR بهترین گزینه برای دیجیتال سازی و ذخیره اطلاعات کاغذی است. بهتر است حاصل اسکن و OCR در یک پایگاه داده یا بانک اطلاعاتی ذخیره شود تا امکان تلفیق در برنامه بومی شرکت یا استفاده آنلاین و چند کاربری به راحتی فراهم شود.