Khi nào nên dùng OCR
Một bản hợp đồng scan, một lá thư cũ hay một tờ hóa đơn chụp bằng điện thoại chỉ là một bức ảnh nằm trong tệp PDF: bạn không tìm kiếm được, không sao chép được câu nào và trình đọc màn hình cũng không đọc to được. Sau khi OCR, tệp hoạt động như một tài liệu số bình thường mà vẫn trông giống bản giấy gốc.
Mẹo để có kết quả tốt nhất
- Scan ở 300 DPI nếu máy scan cho phép chọn; 200 DPI là mức tối thiểu với chữ in nhỏ.
- Giữ trang thẳng và được chiếu sáng đều; bản scan đã bị lệch có thể được làm thẳng trước bằng Làm thẳng trang PDF. Bóng đổ và nếp gấp là nguyên nhân phổ biến nhất khiến OCR bỏ sót chữ.
- Chọn đúng ngôn ngữ của tài liệu. Nếu có cả tiếng Anh và tiếng Thổ Nhĩ Kỳ, "Tiếng Anh + Tiếng Thổ Nhĩ Kỳ" sẽ đọc được cả hai.
Khi kết quả chưa đúng
- Chữ cái bị đảo hoặc bị thiếu. Hãy xem bản scan ở kích thước đầy đủ. Nếu chính bạn đọc còn thấy khó, OCR cũng sẽ gặp khó; hãy scan lại với nhiều ánh sáng hơn và đặt trang thật phẳng.
- Chữ có dấu bị mất dấu. "é" biến thành "e", hay chữ "ş" của tiếng Thổ Nhĩ Kỳ thành "s", thường là do chọn sai ngôn ngữ. Hãy chạy lại tệp với ngôn ngữ phù hợp.
- Chữ viết tay bị bỏ qua. OCR được làm cho chữ in. Chữ in hoa viết tay ngay ngắn đôi khi nhận dạng được, nhưng chữ ký, ghi chú bên lề và chữ viết tay liền nét thì không nhận dạng ổn định.
- Bảng sao chép ra bị mất cột. Các từ nhận dạng được nằm đúng vị trí trên trang, nên tìm kiếm vẫn hoạt động. Nhưng khi bạn sao chép ra ngoài, các cột có thể bị dồn thành từng dòng; hãy kiểm tra lại bảng sau khi chuyển sang Word.
- Bản scan dài mất vài phút. Việc nhận dạng chạy bằng bộ xử lý của chính thiết bị bạn, lần lượt từng trang. Hãy giữ tab mở, hoặc tách riêng những trang bạn cần trước rồi chỉ OCR những trang đó.
Kiểm tra kết quả trong một phút
Bạn không cần đọc hết tệp mới biết việc nhận dạng có thành công hay không. Mở tệp PDF mới, nhấn Ctrl+F (Cmd+F trên Mac), rồi tìm một từ mà bạn biết chắc có trên trang, như một cái tên, tên công ty hay một tiêu đề. Nếu trình xem PDF tô sáng từ đó ở đúng chỗ, trang đó đã có lớp chữ hoạt động. Nếu không tìm thấy gì, hãy xem lại trang đó: thường là trang bị mờ, bị lệch hoặc được chụp xiên.
Hãy đặc biệt chú ý đến các con số. Một chữ cái bị đọc sai trong một từ thì dễ nhận ra nhờ ngữ cảnh, còn một chữ số bị đọc sai thì không, và những ký tự trông giống nhau là chỗ hay bị nhầm nhất: số 0 và chữ O, số 1 và chữ l thường, số 5 và chữ S, số 8 và chữ B. Khi sao chép số tài khoản, số tiền hay ngày tháng từ một bản scan đã nhận dạng, hãy so từng chữ số với hình ảnh trước khi dùng.
Bước tiếp theo
Nếu thứ bạn có là ảnh chụp hoặc ảnh chụp màn hình chứ không phải PDF, Chuyển ảnh thành văn bản sẽ cho bạn chữ dưới dạng văn bản ngay.
Khi tệp PDF đã tìm kiếm được chữ, bạn có thể chuyển sang Word để sửa chữ, trích xuất văn bản dưới dạng chữ thuần, hoặc nén tệp (bản scan thường khá nặng) trước khi gửi qua email.
Scan giấy tờ trên Mac? Bài cách scan tài liệu thành PDF trên Mac hướng dẫn dùng camera iPhone và Image Capture, rồi đưa bản scan về đây để nhận dạng.