Đặt vấn đề Nhận dạng kí tự quang học (OCR - Optical Character Recognition) là quá trình chuyển đổi hình ảnh của văn bản thành văn bản máy tính. Hiện nay, nhận dạng chữ in nói chung và nhận dạng chữ in trên ảnh màu là những bài toán có nhiều ứng dụng trong thực tế, giúp tiết kiệm rất nhiều các chi phí và thời gian cho việc nhập liệu. Trong một số điều kiện thuận lợi, nhận dạng chữ in đạt độ chính xác rất cao cho các hệ chữ phổ thông[12]. Tuy nhiên khi áp dụng ảnh màu, đặc biệt ảnh thương hiệu màu, rất nhiều vấn đề khó khăn của bài toán vẫn chưa được giải quyết triệt để.
Vì vậy nhận được nhiều sự quan tâm nghiên cứu của con con người. Để cải thiện kết quả nhận dạng, nhiều nghiên cứu đề cập đến nâng cao chất lượng của giai đoạn tiền xử lý, nhằm cung cấp đầu vào tốt hơn cho các giai đoạn nhận dạng tiếp theo. Một trong các khó khăn gặp phải là sự nhập nhằng giữa các vùng văn bản và nền, gây ra sự sai lệch dữ liệu nhận dạng và giảm độ chính xác chung toàn bộ quá trình. Thực nghiệm cho thấy một số hệ nhận dạng mã nguồn mở đến thương mại như Tesseract của Google[20], OmniPage của Nuance[21] gặp phải vấn đề tương tự.
Bài toán nhận dạng ký tự được thực hiện qua ba giai đoạn chính: Phân đoạn ảnh, nhận dạng và hậu xử lý. Trong luận văn này tôi đi sâu vào cải tiến công đoạn phân đoạn ảnh. Bên cạnh đó kết hợp modul nhận dạng Tesseract để xây dựng thành một hệ thống nhận dạng văn bản hoàn thiện.2 Nội dung nghiên cứu của luận văn Bài toán nhận dạng ký tự được thực hiện qua ba giai đoạn chính: Phân đoạn ảnh, nhận dạng và hậu xử lý. Luận văn này nghiên cứu lý thuyết cơ bản về các kỹ thuật phân đoạn có sẵn, đồng thời đi sâu vào cải tiến và kết hợp các phương pháp phân đoạn để đưa ra phương án có độ chính xác cao 10 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.
Bên cạnh đó kết hợp modul nhận dạng Tesseract để xây dựng thành một hệ thống nhận dạng văn bản hoàn thiện. Phân đoạn là quá trình quan trọng của tiền xỷ lý. Đầu ra của quá trình này có ảnh hưởng rất lớn đến độ chính xác các tiếp theo, cũng như toàn hệ thống. Đối với ảnh màu thương hiệu, hai thành phần chính là text và hình ảnh thường có sự kết hợp và đan xen lẫn nhau, việc phân tách rõ ràng các thành phần này gặp nhiều trở ngại.
Tuy nhiên các ảnh thương hiệu màu vẫn có chung những nguyên tắc khi thiết kế có thể khai thác như: sự tương phản và đồng nhất về màu sắc, sự ảnh hưởng màu sắc lên thị giác con người, khả năng đơn giản hóa dễ nắm bắt. Luận văn đã nghiên cứu đánh giá một số phương pháp được sử dụng trong phân đoạn ảnh, và áp dụng vào bài toán nhận dạng chữ trên ảnh thương hiệu màu, nhằm tách biệt vùng chứa text ra các lớp riêng biệt, từ đó đưa vào máy nhận dạng có sẵn nhằm nâng khả năng nhận dạng. Trong giai đoạn nhận dạng ký tự, máy nhận dạng Tesseract được đề xuất cho giai đoạn này. Quá trình phân đoạn trải qua hai bước: 1.
Biến đổi grayscale: đưa ảnh thương hiệu màu ban đầu (có các điểm ảnh trong hệ màu RGB) sang ảnh mức xám. Mức xám (gray level) của ảnh đích được tính toán dựa trên yếu tố màu sắc, thứ tự độ sáng, sự liên tục đường nét. Phân đoạn ảnh phân cấp: Sau khi đưa về ảnh mức xám, phân đoạn ảnh phân cấp phân các điểm ảnh có mức xám tương đương nhau về các cụm riêng biệt, từ đó tách ra các lớp để tạo ra ảnh đầu vào của quá trình nhận dạng. Sau khi trải qua các bước trên từ ảnh thương hiệu ban đầu ta thu được các văn bản chứa text của ảnh.
Việc đánh giá phương pháp trong luận văn dựa trên 3 yếu tố: tỉ lệ kí tự nhận dạng đúng, tỉ lệ kí tự nhận dạng sai và tỉ lệ kí tự không nhận dạng được so với kết quả từ mắt người.3 Cấu trúc luận văn Các phần còn lại của luận vặn có cấu trúc như sau: Chương 2: trình bày cơ sở lý thuyết của phân đoạn ảnh, bao gồm các khái niệm cơ bản, các kỹ thuật cơ bản được sử dụng trong chuyển đổi ảnh màu về ảnh mức xám và phân đoạn ảnh. Chương 3: trình bày chi tiết về phân đoạn ảnh cho ảnh thương hiệu màu. Đồng thời đưa ra giải pháp tách ngưỡng tự động cho quá trình phân 11 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com đoạn, bao gồm các thuật toán hòa nhập cụm, xác định khoảng cách giữa các cụm với nhau và lựa chọn tổng khoảng cách tối ưu các tập cụm. Chương 3: trình bày về kết quả thực nghiệm của hệ thống nhận dạng sau khi đã ghép nối các thành phần lại với nhau, đồng thời mô tả tập dữ liệu đầu vào và môi trường thực nghiệm.
Chương 4: Kết luận. 12 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương 2 Cơ sở lý thuyết cho phân đoạn ảnh 2.1 Ảnh màu thương hiệu Ảnh thương hiệu (hay còn được gọi logo, biểu trưng) là một yếu tố đồ họa (kí hiệu, chữ biểu thị, biểu tượng, hình tượng.) kết hợp với cách thức thể hiện để tạo thành hình ảnh đại diện cho một công ty hay các tổ chức thương mại, nhãn hiệu, thương hiệu. Nói cách khác, ảnh thương hiệu được tạo ra nhằm ấn tượng bên ngoài giúp dễ dàng nhận ra thương hiệu, đồng thời gợi lên tất cả những thông tin và trông đợi gắn với sản phẩm hoặc dịch vụ có thương hiệu đó. Thông thường, ảnh thương hiệu phải được đảm bảo một số yêu cầu sau: -Nội dung: gồm hai phần chính là hình họa (phần không đọc được) và text (phần đọc được).
Phần không đọc được bao gồm những yếu tố không đọc được mà chỉ có thể cảm nhận được bằng thị giác như hình vẽ, biểu tượng (hình bông sen của Vietnam Airlines), màu sắc (màu xanh của Nokia, đỏ của Coca-Cola, hay kiểu dáng thiết kế, bao bì (kiểu chai bia Henniken) và các yếu tố nhận biết (bằng mắt) khác. Phần đọc được bao gồm những yếu tố có thể đọc được, tác động vào thị giác con người như tên công ty, doanh nghiệp (ví dụ như: Gateway, PGrand, 3M.), tên sản phẩm (555, Coca-Cola.), câu khẩu hiệu, đặc trưng. Thông thường, ảnh thương hiệu kết hợp cả hai thành phần với nhau để tăng khả năng nhận dạng và truyền tải thông tin. Một số ảnh thương hiệu lại sử dụng chính hình ảnh cách điệu của phần đọc được để giảm bớt số lượng chi tiết trong ảnh.
Phần còn lại chỉ sử dụng một trong hai thành phần chính để tạo nên ảnh thương hiệu. -Màu sắc: Màu sắc thường đơn giản, dễ dàng nhận thấy và ghi nhớ. Thông thường khi thiết kế có thể ưu tiên vẽ màu trắng và đen, sau đó 13 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1: Ảnh thương hiệu màu đến các màu sắc nổi bật có thể đặt cạnh nhau như vàng-đỏ, xanh lá-đỏ. Thực tế số lượng màu sắc trong ảnh thương hiệu thường bị hạn chế để dễ ghi nhớ, đôi khi chỉ bao gồm các văn bản với hai màu đen và trắng.
Các thương hiệu nổi tiếng chỉ sử dụng một hoặc hai màu cơ bản như màu vàng của Kodak, McDonanld, màu xanh da trời của IBM, hay màu đỏ của Coca Cola. -Sự khác biệt: có những dấu hiệu đặc biệt gây ấn tượng thị giác mạnh, dễ phân biệt. Đây là chức năng quan trọng của biểu trưng, giúp phân biệt thương hiệu hay sản phẩm với thương hiệu hay sản phẩm cạnh tranh. Sự khác biệt cũng làm cho thương hiệu dễ đi vào tâm trí của khách hàng hơn.
Thông thường, để tạo sự khác biệt, ảnh thương hiệu tránh sử dụng những hình cơ bản, phổ biến và được dùng nhiều. -Hình dáng: thường tạo khả năng dễ chấp nhận, dễ suy diễn, đơn giản và dễ nhớ. Trong một khoảng thời gian quan sát ngắn là người xem có thể hình dung lại đường nét biểu trưng trong trí nhớ. Trong bối cảnh rất nhiều sản phẩm cạnh tranh cùng được khuếch trương trên các phương tiện thông tin đại chúng, biểu trưng của thương hiệu sẽ không được khách hàng biết đến nếu nó phức tạp và khó nhớ, dù là bằng tên gọi, ký hiệu hay chữ viết.
Hầu hết các thương hiệu nổi tiếng thế giới đều sử dụng những dấu hiệu thương hiệu rất đơn giản. Các ví dụ thường thấy như Kodak sử dụng chữ K được viết cách điệu, McDonald sử dụng chữ M hình cánh cổng màu vàng, Nike sử dụng nét phết, IBM sử dụng tên thượng hiệu viết cách điệu. 14 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com -Khả năng thích nghi: có khả năng thích nghi trong các thị trường thuộc khu vực khác nhau, các nền văn hoá hay ngôn ngữ khác nhau. Trên thực tế, khách hàng ở các nước khác nhau, có nền văn hoá khác nhau và ngôn ngữ khác nhau, vì vậy họ thường có cách hiểu khác nhau đối với các hình ảnh hay ký hiệu.
Do đó các biểu trưng thương mại quốc tế ít dùng hình ảnh mang ý nghĩa sẵn có theo một nền văn hoá hay ngôn ngữ nào mà sử dụng những hình ảnh mới rồi gắn chúng với các liên tưởng về sản phẩm. -Ý nghĩa: biểu thị được những nét đặc trưng cho sản phẩm hay các chủ đề liên quan. Thực tế là những biểu trưng có ý nghĩa tự thân về sản phẩm lại thường không tạo nên cảm giác khác biệt. Hơn nữa, sản phẩm ngày nay thường quá phức tạp khiến tên gọi hay hình ảnh có ý nghĩa thì lại khó khác biệt, dễ nhớ và đảm bảo tính tượng trưng.
Cho nên trong thực tế tính ý nghĩa này thường được tạo ra qua các liên tưởng về thương hiệu hơn là tự thân thương hiệu.2 Không gian màu (color space) Không gian màu là một mô hình toán học dùng để mô tả các màu sắc trong thực tế được biểu diễn dưới dạng số học. Trong thực tế có rất nhiều không gian màu khác nhau được mô hình để sử dụng vào những mục đích khác nhau. Các không gian màu cơ bản và sử dụng trong luận văn gồm có hệ không gian màu RGB, HSV và CMYK. Không gian màu RGB RGB là không gian màu rất phổ biến được dùng trong đồ họa máy tính và nhiều thiết bị kĩ thuật số khác.
Ý tưởng chính của không gian màu này là sự kết hợp của 3 màu sắc cơ bản : màu đỏ (R, Red), xanh lục (G, Green) và xanh lơ (B, Blue) để mô tả tất cả các màu sắc khác.