স্ক্যান করা ছবি ও ফর্ম থেকে টেক্সট পার্স করার জন্য ফ্রি জাভাস্ক্রিপ্ট লাইব্রেরি

Guten OCR দিয়ে শুরু করা

গুটেন OCR ইনস্টল করার সুপারিশকৃত পদ্ধতি হল Brew ব্যবহার করা। মসৃণ ইনস্টলেশনের জন্য দয়া করে নিম্নলিখিত কমান্ডটি ব্যবহার করুন

 brew install git-lfs 

 git clone git@github.com:gutenye/ocr.git 

OCR অপারেশনের আগে ইমেজ প্রি-প্রসেসিং

ওপেন সোর্স Guten OCR লাইব্রেরি সম্পূর্ণভাবে জাভাস্ক্রিপ্টে লেখা হয়েছে, যা ব্রাউজার এবং Node.js উভয় পরিবেশের সাথে সামঞ্জস্যপূর্ণ করে। এতে স্বয়ংসম্পূর্ণ ইমেজ প্রি-প্রসেসিং ফাংশন রয়েছে যা স্বীকৃতি নির্ভুলতা বাড়ায়। এটি ইমেজ বাইনারাইজেশন (কলা-সাদা রূপান্তর), নয়েজ রিডাকশন, স্কিউ সংশোধন এবং আরও অনেক কিছু সমর্থন করে। নিম্নলিখিত উদাহরণটি দেখায় কীভাবে ডেভেলপাররা OCR অপারেশন করার আগে একাধিক ইমেজ প্রি-প্রসেসিং ধাপ প্রয়োগ করতে পারেন।

const { preprocess } = require('guten-ocr');

// Apply multiple preprocessing steps
const processedImage = preprocess(imageData, [
  'grayscale',    // Convert to grayscale
  'binarize',     // Convert to black and white
  'deskew',       // Correct skew
  'denoise'       // Reduce noise
]);

// Then perform OCR on the processed image
ocr.recognize(processedImage).then(/* ... */);

টেমপ্লেটের মাধ্যমে ক্যারেক্টার রিকগনিশন

JavaScript লাইব্রেরি Guten OCR জাভাস্ক্রিপ্ট অ্যাপ্লিকেশনের মধ্যে টেমপ্লেট ব্যবহার করে OCR অপারেশন সম্পাদনের জন্য সম্পূর্ণ সমর্থন প্রদান করেছে। Guten OCR-এর মূল হল একটি টেমপ্লেট-ম্যাচিং সিস্টেম। মেশিন লার্নিং মডেল প্রশিক্ষণের পরিবর্তে, এটি পূর্বনির্ধারিত অক্ষরের প্যাটার্ন ব্যবহার করে। এটি সিস্টেমকে দ্রুত এবং সহজে বোঝা যায়, তবে ফন্ট এবং লেআউটের সামঞ্জস্যের প্রতি আরও সংবেদনশীল করে। এই কাজটি সম্পাদন করতে, লাইব্রেরি প্রতিটি অক্ষর (A–Z, a–z, 0–9, ইত্যাদি) একটি ক্যানভাসে রেন্ডার করে এবং তারপর প্রতিটি অক্ষরের জন্য বাইনারি ম্যাট্রিক্স একটি রেফারেন্স টেমপ্লেট হয়ে যায়। যখন একটি ছবি বিশ্লেষণ করা হয়, লাইব্রেরি এই টেমপ্লেটগুলোর বিরুদ্ধে ছবির সেগমেন্টগুলি তুলনা করে সেরা মিল খুঁজে পায়। এটি উল্লম্ব এবং অনুভূমিক লাইন স্ক্যানিংয়ের সমন্বয় ব্যবহার করে বাউন্ডিং বক্সগুলি সনাক্ত করে।

OCR লাইব্রেরি ব্যবহার করে ক্যারেক্টার সেগমেন্টেশন

ওপেন সোর্স JavaScript লাইব্রেরি Guten OCR সফটওয়্যার ডেভেলপারদেরকে সহজে ক্যারেক্টার সেগমেন্টেশন সম্পাদন করতে সক্ষম করে। একবার ছবি বাইনারাইজড হলে, পরবর্তী ধাপ হল পৃথক অক্ষরগুলোকে সেগমেন্ট করা। Guten OCR সারি এবং কলাম স্ক্যান করে ঘন কালো পিক্সেলযুক্ত অঞ্চলগুলি সনাক্ত করে, সেগুলোকে সম্ভাব্য অক্ষরে ভাগ করে। নিম্নলিখিত উদাহরণটি দেখায় কীভাবে সফটওয়্যার ডেভেলপাররা JavaScript OCR লাইব্রেরি ব্যবহার করে ক্যারেক্টার সেগমেন্টেশন সম্পাদন করতে পারেন।

const segment = require('guten-ocr/segment');
const boxes = segment(binarized); // returns array of [x, y, width, height]