کتابخانهٔ رایگان جاوااسکریپت برای استخراج متن از تصاویر و فرم‌های اسکن‌شده

شروع کار با Guten OCR

روش پیشنهادی برای نصب Guten OCR استفاده از Brew است. لطفاً برای نصب روان از دستور زیر استفاده کنید

 brew install git-lfs 

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

پیش‌پردازش تصویر قبل از عملیات OCR

کتابخانه متن‌باز Guten OCR کاملاً به زبان جاوااسکریپت نوشته شده است، به‌طوری که با هر دو محیط مرورگر و Node.js سازگار باشد. این کتابخانه شامل توابع پیش‌پردازش تصویر داخلی برای افزایش دقت تشخیص است. از باینری‌سازی تصویر (تبدیل به سیاه و سفید)، کاهش نویز، تصحیح انحراف و موارد دیگر پشتیبانی می‌کند. مثال زیر نشان می‌دهد که توسعه‌دهندگان چگونه می‌توانند چندین مرحله پیش‌پردازش تصویر را قبل از انجام عملیات OCR بر روی تصاویر اعمال کنند.

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(/* ... */);

تشخیص کاراکتر از طریق قالب‌ها

کتابخانهٔ جاوااسکریپت Guten OCR پشتیبانی کامل برای انجام عملیات OCR با استفاده از قالب‌ها در برنامه‌های جاوااسکریپت فراهم کرده است. در قلب Guten OCR یک سیستم تطبیق قالب وجود دارد. به جای آموزش یک مدل یادگیری ماشین، از الگوهای پیش‌تعریف‌شدهٔ کاراکتر استفاده می‌کند. این باعث می‌شود سیستم سریع‌تر و فهم‌پذیرتر باشد، اما نسبت به سازگاری فونت و چیدمان حساس‌تر است. برای انجام این کار، کتابخانه هر کاراکتر (A–Z، a–z، 0–9، و غیره) را در یک بوم (canvas) رندر می‌کند و سپس ماتریس باینری هر کاراکتر به عنوان قالب مرجع می‌شود. هنگام تحلیل یک تصویر، کتابخانه بخش‌های تصویر را با این قالب‌ها مقایسه می‌کند تا بهترین تطبیق را پیدا کند. این کار را با ترکیبی از اسکن خطوط عمودی و افقی برای یافتن جعبه‌های محدودکننده انجام می‌دهد.

تقسیم کاراکتر از طریق کتابخانه OCR

کتابخانهٔ منبع باز جاوااسکریپت Guten OCR به توسعه‌دهندگان نرم‌افزار امکان می‌دهد تا به راحتی تقسیم‌بندی کاراکترها را انجام دهند. پس از باینری‌سازی تصویر، گام بعدی تقسیم کاراکترهای منفرد است. Guten OCR ردیف‌ها و ستون‌ها را اسکن می‌کند تا نواحی با پیکسل‌های سیاه متراکم را شناسایی کرده و آنها را به کاراکترهای احتمالی جدا کند. مثال زیر نشان می‌دهد که چگونه توسعه‌دهندگان نرم‌افزار می‌توانند با استفاده از کتابخانهٔ OCR جاوااسکریپت، تقسیم‌بندی کاراکترها را انجام دهند.

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