Các phương pháp tiền xử lý trong nhận dạng chữ Nôm trên thiết bị di động

1

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƢỜNG ĐẠI HỌC CÔNG NGHỆ




NGUYỄN VĂN BÁCH


CÁC PHƢƠNG PHÁP TIỀN XỬ LÝ TRONG NHẬN DẠNG CHỮ NÔM
TRÊN THIẾT BỊ DI ĐỘNG


Ngành:

Công nghệ thông tin

Chuyên ngành:

Kỹ thuật

phần mềm

Mã số:
60480103

LUẬN VĂN THẠC SĨ





Hà Nộ
i
–
2014

GVHD:
TS. Lê Quang Minh

2


LỜI CAM ĐOAN
Tôi là Nguyễn Văn Bách, học viên cao học K18, chuyên ngành Kỹ thuật phần
mềm, khoá 2011-2013. Tôi xin cam đoan luận văn thạc sĩ “Các phương pháp tiền xử
lý trong nhận dạng chữ Nôm trên thiết bị di động” là công trình nghiên cứu của riêng
tôi cùng với sự hướng dẫn của TS. Lê Quang Minh và PGS.TS Nguyễn Ngọc Bình.
Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố
trong bất kỳ công trình nào khác.
Tất cả những tham khảo từ các nghiên cứu liên quan đều được nêu nguồn gốc
một cách rõ ràng từ danh mục tài liệu tham khảo của luận văn. Trong luận văn, không
có việc sao chép tài liệu, công trình nghiên cứu của người khác mà không chỉ rõ về tài
liệu tham khảo.
Hà Nội, ngày tháng năm 2014
Tác giả

Nguyễn Văn Bách

3

LỜI CẢM ƠN
Lời đầu tiên, em xin chân thành cám ơn các thầy cô giáo, các cán bộ của
Trường Đại học Công Nghệ - Đại học Quốc Gia Hà Nội đã ân cần dạy dỗ, chỉ bảo và
định hướng cho em trong suốt 3 năm học vừa qua, truyền đạt cho chúng em những
kiến thức quý báu góp phần quan trọng để xây dựng và định hướng cho con đường sự
nghiệp của mình.
Em xin chân thành cám ơn PGS. TS Nguyễn Ngọc Bình, thầy đã giải thích và
truyền cảm hứng cho chúng em, giúp chúng em hiểu được vai trò của CNTT trong bài
toán bảo toàn chữ Nôm. Thầy cũng thường xuyên góp ý và tạo mọi điều kiện để em có
thể hoàn thành được luận văn này. Em xin cám ơn thầy.
Em xin chân thành cám ơn TS Lê Quang Minh, thầy đã dành nhiều thời gian chỉ
dẫn, góp ý, giúp em định hướng phương pháp nghiên cứu và tạo mọi điều kiện tốt nhất
để em có thể hoàn thành luận văn này. Em xin cám ơn thầy.
Để hoàn thành luận văn này, sự giúp đỡ và định hướng, góp ý thường xuyên của
các thành viên nhóm nghiên cứu LES – trường Đại học Công Nghệ đặc biệt là NCS
Phạm Văn Hưởng đóng một vai trò vô cùng quan trọng. Em xin gửi lời cám ơn chân
thành đến nhóm nghiên cứu.
Cuối cùng em cũng xin gửi lời cám ơn đến gia đình và bạn bè em, những người
đã luôn bên cạnh, động viên, và tạo mọi điều kiện tốt nhất cho em để có thể hoàn thành
khóa học cũng như đề tài nghiên cứu.
Tác giả
Nguyễn Văn Bách

4

MỤC LỤC
Chƣơng 1. NHẬN DẠNG CHỮ NÔM 6
2.1. Nhận dạng ký tự quang học (OCR) 6
2.2. Bài toán nhận dạng chữ Nôm của nhóm LES-Nôm 8
2.3. Mô hình nhận dạng trên thiết bị di động 10
Tổng kết chƣơng 1 11
Chƣơng 2. TIỀN XỬ LÝ 12
2.1. Tính quan trọng của tiền xử lý 12
2.2. Mục tiêu của tiền xử lý trong bài toán nhận dạng 12
2.3. Các kỹ thuật tiền xử lý trong OCR 13
Tổng kết chƣơng 2 23
Chƣơng 3. TIỀN XỬ LÝ CHỮ NÔM TRÊN DI ĐỘNG 25
3.1. Mô hình nhận dạng trên di động 25
3.2. Các phƣơng pháp tiền xử lý áp dụng, đề xuất 26
Tổng kết chƣơng 3 36
Chƣơng 4. THỰC NGHIỆM, ĐÁNH GIÁ 36
4.1. Xây dựng mô hình nhận dạng client-server 36
4.2. Kết quả đạt đƣợc 42
4.3. Hƣớng cải tiến và nghiên cứu tiếp 48
Tổng kết chƣơng 4 48
KẾT LUẬN 49
TÀI LIỆU THAM KHẢO 50


DANH MỤC BẢNG BIỂU
Bảng 1 Các giá trị phương sai
28
Bảng 2 Kết quả thực nghiệm và đánh giá
46

DANH MỤC HÌNH VẼ
Hình 1 Teseract OCR trên Android
7
Hình 2 Mô hình nhận dạng chữ Nôm
9
Hình 3 Mô hình nhận dạng client-server
10
5

Hình 4 Bộ lọc trung bình
16
Hình 5 Bộ lọc không trung bình
17
Hình 6 Lọc trung vị
17
Hình 7Ăn mòn
20
Hình 8 Giản nở
20
Hình 9 Giản nở theo chiều ngang
20
Hình 10 Mở
21
Hình 11 Đóng
21
Hình 12 Phác thảo trong
21
Hình 13 Phác thảo ngoài
22
Hình 14 Lấy khung xương

22
Hình 15 Các phương pháp lấy khung xương
22
Hình 16 Mô hình nhận dạng chữ Nôm trên di động
24
Hình 17 Minh họa đầu vào của nhị phân hóa Otsu
26
Hình 18 Histogram nền
26
Hình 19 Histogram nội dung
27
Hình 20 Kết quả nhị phân hóa Otsu
28
Hình 21 Chụp nghiêng
29
Hình 22 Chụp lệch
29
Hình 23 Xác định các điểm trái
30
Hình 24 Loại bỏ điểm dưới
31
6

Hình 25 Loại bỏ điểm lùi
31
Hình 26 Xác định góc nghiêng
32
Hình 27 Minh họa thuật toán xác định góc nghiêng
33
Hình 28 Ảnh gốc với minh họa hàng cột

34
Hình 29 Chiếu histogram theo chiều ngang
34
Hình 30 Chiếu histogram theo chiều dọc
34 Hình 31 Các bước tiến hành thực
nghiệm 36
Hình 32 Thông tin dịch vụ (service) nhận dạng của server
37
Hình 33 Thiết kế kiến trúc của chương trình client
38
Hình 34 Ảnh minh họa chụp và chọn chữ
39
Hình 35 Kết quả nhị phân hóa
39
Hình 36 Hiển thị nút nhận dạng
40
Hình 37 Hiển thị kết quả nhận dạng
41
Hình 38 Ảnh đầu vào
42
Hình 39 Kết quả kiểm thử
43
1

MỞ ĐẦU
1. Tính cấp thiết
Chữ Nôm là một di sản văn hóa dân tộc. Chữ Nôm ra đời có ý nghĩa hết sức lớn
lao, đánh dấu bước phát triển của nền văn hóa dân tộc, ý thức tự cường và khẳng định
vai trò, địa vị của Tiếng Việt.
Lâu nay nghiên cứu Hán Nôm là việc làm hết sức có ý nghĩa đối với sự nghiệp

tìm hiểu tri thức văn hóa của con người Việt Nam; là cầu nối của quá khứ với hiện tại
và tương lai. Tìm hiểu nghiên cứu, khai tác thư tịch, di tích, văn hóa lịch sử, con người
xưa để xây dựng nền văn hóa mới, tạo cơ hội cho người Việt Nam hiện tại và mai sau
tiếp cận, lĩnh hội và thưởng thức những giá trị văn hóa Việt Nam, góp phần giữ vững
bản sắc dân tộc và có thể hòa nhập với thế giới, vượt qua những thử thách lớn lao,
phức tạp của thời đại [3].
Nghiên cứu Hán Nôm vì thế gắn liền và làm rạng ngời nền văn hóa dân tộc,
khẳng định bản sắc riêng biệt của dân tộc. Để góp phần đưa các tác phẩm chữ Nôm
đến gần hơn, dễ dàng tiếp cận hơn, ứng dụng Công Nghệ Thông Tin là một trong
những cách tiếp cận. Một trong những nhiệm vụ được đặt ra cho Công Nghệ Thông
Tin là xây dựng bộ ứng dụng nhận dạng chữ Nôm.
Bên cạnh đó, hiện nay hầu hết các quốc gia đã có thể xây dựng bộ ứng dụng
nhận dạng ngôn ngữ chữ viết của họ, do đó vấn đề xây dựng bộ ứng dụng nhận dạng
chữ Nôm càng trở nên cấp thiết hơn.

2. Chữ Nôm – Quốc âm
Chữ Nôm (chữ Nôm: 字字·字·字) là tên gọi cách viết biểu ý trong thời cổ đại và
trung đại của Tiếng Việt, có một thời kỳ dài được xem là ngôn ngữ quốc gia (quốc
ngữ), gọi là Quốc Âm.
Theo các nhà nghiên cứu, chữ Nôm xuất hiện ở Việt Nam dựa trên cơ sở chữ
Hán của người Trung Quốc và âm Hán-Việt đã hình thành một cách có hệ thống ở Việt
Nam. Dần dần, có những chữ Hán không ghi được âm Hán-Việt nên các chữ Nôm
được sáng tạo ra để ghi âm tiếng Việt, tạo thành các văn tự Nôm.
Chữ Nôm hình thành và phát triển khoảng từ thế kỷ X đến đầu thế kỷ XX (về
thời điểm chữ Nôm ra đời vẫn còn nhiều tranh cãi). Cứ liệu sớm nhất về chữ Nôm là
bản khắc trên quả chuông Vân Bản năm 1076, thời nhà Lý, thế kỷ XI. Ban đầu chữ
Nôm thường dùng để ghi tên người, tên đất, nhưng càng về sau, chữ Nôm càng trở nên
phổ biến và tìm thấy ý nghĩa trong đời sống văn hóa của Người Việt. Tuy nhiên, chữ
2

Nôm chưa bao giờ được các triều đại phong kiến coi là ngôn ngữ chính thống trên
phương diện nhà nước, trừ nhà Hồ đầu thế kỷ XV (1400-1407), nhà Tây Sơn cuối thế
kỷ XVII (1788-1802), với số năm ít ỏi, đã từng có xu hướng sử dụng chữ Nôm trong
các văn bản hành chính. Sau khi Việt Nam thoát khỏi ách đô hộ của phương Bắc vào
năm 939, chữ Nôm được hoàn chỉnh dần dần và chỉ đến thế kỷ XIII – XV mới được
dùng nhiều trong văn chương.
Ban đầu khi mới xuất hiện, chữ Nôm thuần túy mượn chữ Hán y nguyên để ghi
âm tiếng Việt cổ. Phép đó gọi là “giả tá”. Dần dần phép ghép hai chữ Hán lại với nhau,
một phần gợi âm, một phần gợi ý được dùng ngày càng nhiều và có hệ thống hơn.
Phép này gọi là “hài thanh” để cấu tạo chữ mới. Kể từ thời Lê về sau số lượng sáng tác
bằng chữ Nôm tăng dần trong suốt 500 năm từ thế kỷ XIV đến thế kỷ XX. Dồi dào
nhất là các áng thi văn có tính cách cảm hứng, tiêu khiển và nặng phần tình cảm.
Những tác phẩm Nôm này rất đa dạng: từ Hàn luật (thơ Nôm (tiếng Việt) theo luật
Đường), đến văn tế, truyện thơ lục bát, song thất lục bát, phú, hát nói, tuồng, chèo.
Văn Nôm đã diễn tả đầy đủ mọi tình cảm của dân tộc Việt, khi thì hào hùng, khi thì bi
ai; khi thì trang nghiêm, khi thì bỡn cợt.
Chữ Nôm có gốc rễ từ chữ Hán, do đó nguyên tắc và phương pháp cấu tạo chữ
tự nhiên cũng có chổ giống hoặc tương tự. Nhưng chữ Nôm lại có chổ độc đáo riêng
của nó.
Tuy nhiên nhờ mang nhiều nét tương đồng, bài toán nhận dạng chữ Nôm có thể
tham khảo được những phương pháp nhận dạng đả được áp dụng cho chữ Trung Quốc.
So sánh với chữ Latinh, cấu tạo chữ Nôm có nhiều nét khác biệt. Do đó phương
pháp xử lý cũng mang tính đặc thù hơn. Chữ Nôm thường được viết gióng hàng, gióng
cột, do đó việc tách chữ có phần đơn gian hơn chữ latinh. Tuy nhiên các hàng chữ
Nôm thường bố cục cách xa nhau hơn so với chữ Latinh, do đó bài toán xử lý nghiêng
có một số khó khăn hơn.
Động lực nghiên cứu nhận dạng chữ Nôm
Mặc dù lịch sử hình thành chữ Nôm còn không ít vấn đề cần làm sáng tỏ, nhưng
về ý nghĩa của sự ra đời của chữ Nôm, các nhà nghiên cứu đều thống nhất nhận định
rằng: trong suốt quãng thời gian tồn tại, chữ Nôm là công cụ duy nhất, hoàn toàn Việt

Nam, ghi lại lịch sử, văn hóa của dân tộc Việt. Chữ Nôm ra đời bắt nguồn từ ý thức
phản vệ của dân tộc chống lại xu hướng Hán hóa của người phương Bắc, khẳng định
tinh thần dân tộc của người Việt. Sự hình thành và phát triển của chữ Nôm, dù nói gì đi
chăng nữa, cũng mang đậm tính thuần Việt ở chỗ nó đi lên từ đòi hỏi của đời sống
Việt, nó được cư dân Việt Nam chấp nhận trong nền văn hóa của mình mà không cần
một “sắc lệnh” nào từ giới cầm quyền [4].
3

Sự hình thành và phát triển của chữ Nôm là bước ngoặt thứ nhất trong lịch sử
ngôn ngữ văn tự của người Việt và cũng là một bước ngoặt trong lịch sử văn hóa Việt
Nam, đáp ứng đòi hỏi của việc trực tiếp ghi chép hoặc diễn đạt lời ăn tiếng nói cùng
tâm tư, suy nghĩ và tình cảm của bản than người Việt.
Chữ Nôm đã tạo nên những thành tựu rực rỡ, làm phong phú kho tàng văn hóa
Việt Nam, điều mà trước đó chữ Hán trên đất Việt không hề có được. Hơn nữa, cái đặc
sắc của bước ngoặt này là: nó do chính con người Việt Nam tạo ra và phát triển từ sức
sống của dân tộc, từ sâu thẳm của bản sắc văn hóa đã được tạo dựng ngàn năm của
chính mình. Có lẽ vì vậy, con người Việt Nam cùng với chữ Nôm là những con người
thuần Việt hơn bao giờ hết. Chữ Nôm đã góp phần to lớn trong việc giữ gìn và phát
huy bản sắc của dân tộc Việt Nam trên con đường tự khẳng định mình vậy.
Những ý nghĩa to lớn trên của chữ Nôm là động lực của những nghiên cứu
nhằm đưa chữ Nôm trở nên có thể nắm bắt được bởi thế hệ hiện tại, những người
không được học, đào tạo và sử dụng chữ Nôm.
3. Tình hình nghiên cứu
Hiện nay liên quan đến chữ Nôm đã có nhiều nhóm nghiên cứu thực hiện, cả
trên lĩnh vực ngôn ngữ học và ứng dụng Công Nghệ Thông Tin. Một trong những
thành tựu đầu tiên là việc hình thành từ điển chữ Nôm, xây dựng các kho chữ Nôm
được số hóa, số hóa và dịch các tài liệu, tác phẩm chữ Nôm như Truyện Kiều (Nguyễn
Du) của Hán Nôm Foundation. Tiếp tới sau những nổ lực trong thời gian dài, chữ Nôm
đã được xác lập vị trí trong bộ ký tự thế giới Unicode và ISO 10646, trong đó có 5067
ký tự trùng hình với chữ Trung Quốc, 4232 chữ thuần Nôm và hiện đang đề nghị đưa

vào thêm 2200 chữ. Kế tiếp bước đi đó, nhiều bộ font Nôm, bộ gõ chữ Nôm đã được
xây dựng. Và một trong những bước đi tiếp của lộ trình trên là xây dựng ứng dụng
nhận dạng ký tự quang học Nôm (OCR-Nôm) [5].
Liên quan đến nhận dạng chữ Nôm, nhóm nghiên cứu LES Nôm (Laboratory of
Embeded System) của trường Đại học Công Nghệ - ĐHQG Hà Nội cũng đã có một số
nghiên cứu và đạt được thành quả nhất định. Các nghiên cứu chủ yếu tập trung nghiên
cứu, xây dựng các Engine nhận dạng, để xây dựng ứng dụng nhận dạng chạy trên PC
với đầu vào là ảnh của 1 chữ, chưa triển khai nhận dạng bằng Camera trên nền tảng di
động.
4. Đối tƣợng và phạm vi nghiên cứu
Chúng tôi tập trung nhận dạng bài toán nhận dạng chữ Nôm dựa trên những
nghiên cứu đã có của nhóm nghiên cứu LES Nôm nhằm xây dựng một phần mềm nhận
4

dạng hoàn chỉnh có chức năng chụp hình chữ Nôm, nhận dạng và đưa ra nghĩa Tiếng
Việt.
Hệ thống nhận dạng ký tự quang học (OCR – optical character recognition) nói
chung và hệ thống nhận dạng chữ Nôm nói riêng bao gồm 4 thành phần chính: tiền xử
lý, trích chọn đặc trưng, nhận dạng, hậu xử lý. Luận văn dựa trên ứng dụng nhận dạng
trên PC trong “Nhận dạng chữ Nôm bằng mạng Nơ ron” của Trần Nguyên Hoàng [1]
được thực hiện với kho mẫu NOM-DB0 chứa 495 chữ Nôm, để xây dựng hệ thống
nhận dạng chữ Nôm hoàn chỉnh. Ứng dụng nhận dạng trên PC yêu cầu đầu vào là ảnh
nhị phân của một chữ Nôm, do đó để hoàn chỉnh hệ thống nhận dạng trên thiết bị di
động, với đầu vào là ảnh chụp sử dụng Camera, đầu ra là nghĩa Tiếng Việt của chữ
Nôm, đề tài tập trung nghiên cứu các phương pháp tiền xử lý cần áp dụng.
5. Mục đích và nhiệm vụ nghiên cứu
Đề tài tập trung hoàn chỉnh hệ thống nhận dạng, nhằm cụ thể hóa bài toán nhận
dạng trên thiết bị di dộng dựa trên ứng dụng nhận dạng trên PC hiện có của LES-Nôm
xây dựng. Hệ thống được xây dựng dựa trên mô hình Client-Server. Client ứng dụng
trên điện thoại thông minh chạy hệ điều hành Android, thực hiện việc chụp hình chữ

Nôm, tiền xử lý ảnh chụp được, gửi ảnh chữ Nôm lên Server và nhận về và hiển thị kết
quả nhận dạng.
Trong bước tiền xử lý, đề tài thực hiện tìm hiểu, và cài đặt thuật toán nhị phân
hóa ảnh, đề xuất thuật toán phát hiện và xử lý nghiêng của ảnh và phân đoạn, tách chữ.
Sau đó tiến hành thực nghiệm, phân tích kết quả đạt được, đề xuất các hướng nghiên
cứu tiếp theo nhằm cải tiến tiếp.
Để đạt được mục tiêu trên, chúng tôi đã tiến hành tìm hiểu, từ đó làm rỏ, và đề
xuất phương pháp tiền xử lý trong bài toán nhận dạng chữ Nôm. Luận văn tập trung
tìm hiểu các vấn đề chính sau:
 Xây dựng hệ thống theo mô hình client-server
 Phương pháp nhị phân hóa ảnh
 Phương pháp phát hiện, và xử lý nghiêng ảnh chụp các ký từ bằng
camera có thiết bị di động
 Phương pháp tách rời các chữ từ ảnh chụp được
Như được trình bày trong chương 2, các phương pháp trên chưa bao hàm hết tất
cả các phương pháp áp dụng trong tiền xử lý. Nhưng do thời gian hạn chế, chúng tôi
chỉ tìm hiểu những phương pháp cốt yếu nhất để có thể hoàn chỉnh hệ thống nhận dạng
trên Android.
5

6. Những nội dung nghiên cứu
Chúng tôi tìm hiểu nghiên cứu về bài toán tiền xử lý trong nhận dạng ký tự
quang học nhằm mục đích xây dựng ứng dụng nhận dạng chữ Nôm trên thiết bị di
động. Để tiến hành nghiên cứu và đánh giá, chúng tôi sử dụng kết quả nghiên cứu -
ứng dụng nhậng dạng trên PC của nhóm LES-Nôm được tiến hành trên bộ dữ liệu
Nôm-DB0. Trên cơ sở các kiến thức tìm hiểu được, và ứng dụng nhận dạng hiện có,
tiến hành xây dựng hệ thống. Chúng tôi áp dụng thuật toán xác định ngưỡng toàn cục
Otsu để nhị phân hóa ảnh chụp được, đề xuất thuật toán phát hiện và xử lý nghiêng dựa
trên ý tưởng của Wojciech Biniecki, Szymon Grabowski & Wojciech Rozenberg
[11], dựa trên đặc điểm viết gióng hàng, gióng cột của chữ Nôm đề xuất thuật toán

tách chữ đơn giản, từ đó xây dựng ứng dụng nhận dạng hoàn chỉnh trên thiết bị
Android.
7. Kết cấu luận văn
Luận văn được chia làm 4 chương. Trong chương 1, chúng tôi trình bày về bài
toán nhận dạng ký tự quang học nói chung, và nhận dạng chữ Nôm nói riêng. Tiếp đó,
trong chương 2, chúng tôi trình bày về Tiền xử lý trong bài toán nhận dạng – mục tiêu
nghiên cứu của đề tài. Trong chương 3, chúng tôi đi sâu trình bày về các thuật toán mà
chúng tôi sẽ sử dụng trong bước tiền xử lý nhận dạng chữ Nôm: thuật toán xác định
ngưỡng toàn cục Otsu, thuật toán phát hiện và xử lý nghiêng và thuật toán tách chữ. Ở
chương cuối, chúng tôi trình bày về thực nghiệm xây dựng hệ thống, các kết quả đạt
được và phân tích về những hạn chế của chương trình, từ đó đề xuất hướng nghiên cứu
tiếp theo nhằm cải tiến hệ thống.

6

Chƣơng 1. NHẬN DẠNG CHỮ NÔM
2.1. Nhận dạng ký tự quang học (OCR)
OCR – viết tắt của “Optical Character Recognition” là tiến trình chuyển các ảnh
được scan hoặc chụp của các ký tự (in hoặc viết tay) sang các dạng mà máy tính có thể
hiểu được [13]. OCR là một bài toán con của bài toán nhận dạng mẫu (Pattern
recognition) [10]. Mặc dù công việc nghiên cứu học thuật vẫn tiếp tục, một phần công
việc của OCR đã chuyển sang ứng dụng trong thực tế với các kỹ thuật đã được chứng
minh.
OCR được sử dụng rộng rãi trong nhập dữ liệu từ đầu vào có nguồn gốc là các
tài liệu giấy như hộ chiếu, hóa đơn , hay số hóa các tài liệu in từ đó giúp cho việc lưu
trữ, chỉnh sửa, tìm kiếm trở nên tiện lợi và hiệu quả.

Lịch sử phát triển của OCR
Ban đầu các nghiên cứu OCR nhằm giải quyết hai vấn đề chính: mở rộng khả
năng của điện báo và tạo ra các thiết bị đọc nhằm hổ trợ người mù [14].

Vào năm 1914, Emanuel Goldberg đã tạo ra một chiếc máy có thể đọc các ký tự
và chuyển chúng sang mã điện tín. Cũng trong thời gian này, Edmund Fournier d’Abe
đã tạo ra Optophone – một thiết bị quét cầm tay có thể tạo ra các âm thanh tương ứng
với các ký tự khi quét qua trang giấy in [7].
Vào những năm cuối thập niên 1920 đến thập niên 1930, Emanuel Goldberge đã
tạo một máy được gọi là “Statical Machine” để tìm các microfilm sử dụng một hệ
thống nhận dạng mã quang học. Vào năm 1931, ông đã được trao sáng chế USA số
1.838.389 cho phát minh này.
Vào năm 1974, Ray Kurweil thành lập công ty Kurzweil Computer Products và
tiếp tục xây dựng omni-font OCR có khả năng nhận dạng các ký tự in ở bất kỳ loại
font nào. Ông xác định rằng những ứng dụng tốt nhất của công nghệ này phải được sử
dụng để tạo ra các máy đọc cho người mù, nhằm giúp người mù có thể hiểu được các
tài liệu in. Vào năm 1978, Kurzwei Computer Products bắt đầu bán các sản phẩm
thương mại.
Vào thập niên 2000, OCR đã được xây dựng và trở thành dịch vụ trực tuyến
(WebOCR), trong điện toán đám mây, và trong các ứng dụng di động trên các điện
thoại thông minh.

7


Hình 1 Teseract OCR trên Android

Đã có nhiều các sản phẩm thương mại cho các hệ thống OCR nhận dạng các
loại ký tự, bao gồm chữ Latinh, Kirin, Ả rập, Do Thái, Trung Quốc, Nhật Bản, Hàn
Quốc, Ấn độ…

Nguyên tắc hoạt động của OCR
Về nguyên tắc hoạt động, quá trình xử lý OCR thường gồm 4 bước chính
 Tiền xử lý

 Trích chọn đặc trưng
 Phân loại và nhận dạng
 Hậu xử lý

Tiền xử lý
Bước “Tiền xử lý” thực hiện các xử lý trước nhận dạng nhằm tăng độ chính xác
cho các bước tiếp theo bằng cách tăng độ nét của ảnh, loại bỏ các nhiễu. Các phương
pháp thường được áp dụng trong các bước này là:
 Xác định ngưỡng (threadhoding): ảnh gốc (ảnh có mầu hoặc ảnh xám)
được chuyển sang dạng nhị phân (đen – trắng) bằng cách tìm ra một
ngưỡng (threadhold) mầu đề phân biệt giữa nền và cảnh.
 Giảm nhiễu (noise reduction): ảnh khi được chụp hoặc scan có thể gặp
phải một số lỗi khách quan, dẫn đến bị nghiêng, hay xuất hiện các điểm
đen… Để tăng độ chính xác cho bước nhận dạng, bước giảm nhiễu giúp
loại bỏ các nhiễu này. Có nhiều kỹ thuật được sử dụng nhằm giảm nhiễu
cho ảnh gốc, nối các điểm ảnh gần nhau lại hoặc loại bỏ các điểm ảnh
tách biệt nhằm làm mịn các đường biên là một ví dụ.
 Phân đoạn: Bước phân đoạn thực hiện việc chia ảnh thành các phần khác
nhau như: phần chứa chữ và phần không chứa chữ, các câu trong 1 đoạn
văn hoặc các từ trong một chữ.
8

 Chuẩn hóa (normalization): sau khi được phân đoạn, các ký tự được
chuẩn hóa để có cùng kích thước (như 32x32 hoặc 64x64) nhằm chuẩn
hóa đầu vào cho các bước xử lý tiếp theo.

Trích chọn đặc trưng
Nhằm giúp cho bước phân loại nhận dạng được dễ dàng và chính xác hơn, chỉ
những đặc trưng của ảnh sau bước phân đoạn được trích chọn. Tùy vào đặc trưng của
ký tự, phương pháp nhận dạng mà các phương pháp trích chọn đặc trưng khác nhau

được sử dụng.

Phân loại và nhận dạng
Đặc trưng được trích chọn sau đó được so sánh với các dữ liệu đã được “học”
nhằm phân loại, từ đó ký tự được nhận dạng dựa vào các luật đã được định trước.
Bước phân loại và nhận dạng là một trong những bước khó, và phức tạp, do đó, bước
này cũng đôi khi được tách ra làm hai bước: huấn luyện và nhận dạng.

Hậu xử lý
Bước hậu xử lý thực hiện việc cải thiện độ chính xác của bước nhận dạng. Ví dụ
như sử dụng một bộ từ điển, kiểm tra xem từ nhận dạng có trong từ điển hoặc gần
giống với từ nào đó không, nhằm cải thiện độ chính xác của kết quả nhận dạng.

Tóm lại, OCR đã được ứng dụng nhận dạng trong rất nhiều ngôn ngữ, cả chữ
Latinh cũng như chữ tượng hình, chữ in cũng như chữ viết tay. Tuy nhiên ở Việt Nam,
ứng dụng OCR để nhận dạng chữ Nôm thì hiện nay vẫn chưa có nhiều nghiên cứu.
2.2. Bài toán nhận dạng chữ Nôm của nhóm LES-Nôm
Bài toán nhận dạng chữ Nôm là một bài toán con của bài toán nhận dạng ký tự
quang học với đối tượng nhận dạng là các tài liệu chữ Nôm. Về cơ bản, phương pháp
nhận dạng chữ Nôm của nhóm LES-Nôm được tiến hành như bài toán OCR cơ bản,
bao gồm các bước [5]:

9

Hình 2 Mô hình nhận dạng chữ Nôm

Tài liệu chữ Nôm cần được nhận dạng có thể dạng văn bản in, hoặc được chụp
từ các văn bản được bảo tồn. Các tài liệu này có thể ở dạng scan (.pdf, .jpg) hoặc là
ảnh chụp (bitmap).
Các tài liệu này do bị ảnh hưởng bởi các yếu tố môi trường như tài liệu bị cũ,

chất lượng kém, góc chụp không chính diện, thẳng đứng, không đủ độ sáng… nên xuất
hiện một số nhiễu. Để có thể tiến hành nhận dạng được, các tài liệu cần qua bước
“1.Tiền xử lý” nhằm loại bỏ các nhiễu, phân đoạn, tách ra các chữ riêng rẽ và chuẩn
hóa kích thước chữ.
Sau khi đã có ảnh chữ đã được chuẩn hóa, các ảnh chữ Nôm sẽ được trích chọn
ra các đặc trưng để lấy ra tập các đặc trưng của chữ (“2. Trích chọn đặc trưng”).
Tập các đặc trưng này sẽ được huấn luyện và đưa vào cơ sở dữ liệu nhằm làm
cơ sở cho bước nhận dạng (“3.Huấn luyện”).
Ở bước “4.Nhận dạng”, từ đặc trưng của chữ Nôm, chữ Nôm sẽ được nhận dạng
áp dụng một số thuật toán sử dụng CSDL nhận dạng.
Cuối cùng, nhằm nâng cao độ chính xác của nhận dạng, kết quả của nhận dạng
có thể không là một kết quả, dựa vào bộ từ điển việc lựa chọn kết quả đúng được quyết

Tài liệu scan/
ảnh chụp

1.Tiền xử lý

Ảnh chử Nôm

2.Trích chọn đặc
trưng

Tập đặc trưng

3.Huấn luyện

.Nh4 ận dạng

CSDL nhận

dạng

Mã Unicode
chử Nôm

5.Hậu xử lý

Tài liệu đả
nhận dạng
(.txt, .doc)

10

định. Ngoài ra, để có thể hiểu được ý nghĩa của chữ Nôm, ở bước “5.Hậu xử lý”, một
số phương pháp dịch sẽ được áp dụng.
Các phương pháp nhận dạng chữ Nôm khác nhau thường khác nhau ở các bước
“2.Trích chọn đặc trưng”, “3.Huấn luyện” và bước “4.Nhận dạng”. Trong đó tùy thuộc
vào phương pháp huấn luyện và nhận dạng mà các phương pháp trích chọn đặc trưng
được lựa chọn nhằm tối ưu cho kết quả nhận dạng.
Hiện tại ứng dụng nhận dạng chữ Nôm đã đạt được một số kết quả nhất định
trên bộ chữ nôm NOM-DB0 với 495 chữ. Trong luận văn “Nhận dạng chữ Nôm bằng
máy Vector hổ trợ (SVM)” của Trần Nghi Phú thực hiện trên bộ chữ NOM-DB0 với
495 chữ đã cho độ chính xác 96%.
Tuy nhiên các ứng dụng nhận dạng chỉ đều là ứng dụng PC, bước tiền xử lý
chưa được nghiên cứu và cài đặt, do đó đầu vào yêu cầu là ảnh đen trắng (đã nhị phân
hóa) của một chữ.
Trong nghiên cứu về tiền xử lý của Phạm Ngọc Thành [15], tác giả đã tiến hành
nghiên cứu và so sánh một số thuật toán trong tiền xử lý như nhị phân hóa ảnh, lọc
nhiễu, phát hiện và xử lý nghiêng. Tuy nhiên, kết quả nghiên cứu được tiến hành khi
chương trình nhận dạng chữ Nôm chưa được hoàn chỉnh, do đó hệ thống chưa được

xây dựng hoàn chỉnh mới dừng lại ở so sánh các thuật toán có sẵn.
2.3. Mô hình nhận dạng trên thiết bị di động
Để hiện thực hóa bài toán nhận dạng trên thiết bị di động, chúng tôi sử dụng
ứng dụng nhận dạng trên PC của nhóm nghiên cứu LES-Nôm để tiến hành xây dựng
hệ thống. Hệ thống hoạt động dựa trên mô hình client-server:

Hình 3 Mô hình nhận dạng client-server


Client

(Android app)

Server

(Web service)

Ảnh

bitmap của
chữ

Nghĩa Tiếng Việt
của chữ

11

Chữ Nôm sẽ được chụp từ điện thoại thông minh (Android), sau đó ảnh chụp
được tiến hành tiền xử lý, các chữ được tách ra riêng rẽ. Sau đó, ảnh bitmap của từng
chữ sẻ được gửi lên Server để nhận dạng. Ứng dụng nhận dạng của nhóm LES-Nôm,

được chuyển đổi từ ứng dụng PC thành một Web Service, cung cấp dịch vụ nhận dạng
chữ Nôm, với đầu vào là ảnh bitmap của chữ, và đầu ra là nghĩa được nhận dạng của
chữ. Sau khi ảnh bitmap của chữ được nhận dạng, nghĩa của chữ sẽ được gửi trả về
cho client.
Giao thức được sử dụng để gửi yêu cầu lên Server và nhận phản hồi từ Server
của Client là giao thức SOAP 1.1 (Simple Object Access Protocol 1.1).
Tổng kết chƣơng 1
Chương 1 giới thiệu về OCR, lịch sử phát triển, ý nghĩa của các nghiên cứu
trong lĩnh vực nhận dạng ký tự quang học, các bước cơ bản được thực hiện trong một
hệ thống OCR. Từ bài toán tổng thể OCR, chương 1 tiếp tục giới thiệu bài toán cụ thể
nhận dạng chữ Nôm đang được nghiên cứu bởi nhóm LES-Nôm. Ở phần cuối chương,
mô hình để xuất để nhận dạng chữ Nôm trên thiết bị di động được giới thiệu và giải
thích.

12

Chƣơng 2. TIỀN XỬ LÝ

2.1. Tính quan trọng của tiền xử lý
Độ chính xác của một hệ thống OCR bị ảnh hưởng bởi rất nhiều nhân tố, có thể
kể đến là các nhân tố sau:
 Chất lượng của máy scan: máy scan có chất lượng càng cao, ảnh scan sẽ
có chất lượng càng tốt, do đó ảnh sẽ ít bị nhiễu hơn, do đó kết quả nhận
dạng sẽ chính xác hơn.
 Độ phân giải được scan: độ phân giải của máy càng cao, các đặc trưng
của chữ được scan sẽ được giữ lại càng nhiều, giúp cho độ chính xác của
hệ thống nhận dạng trở nên cao hơn.
 Loại tài liệu: nhận dạng một mẫu chữ in được đánh giá là đơn giản, và ít
phức tạp hơn là nhận dạng chữ viết tay.
 Chất lượng giấy: chất lượng giấy in càng tốt, số lượng nhiễu khi được

scan sẽ càng được giảm thiểu.
 Font được sử dụng: font chữ rõ ràng giúp cho quá trình nhận dạng được
chính xác hơn.
 Độ phức tạp của ngôn ngữ: một ngôn ngữ phức tạp, đòi hỏi hệ thống
nhận dạng phải được thử nghiệm trên bộ dữ liệu lớn hơn, làm cho việc
nghiên cứu trở nên khó khăn hơn, do đó độ chính xác trở nên khó khăn
hơn.
Từ các nhân tố trên, chúng tôi nhận thấy hầu hết (4/6 nhân tố) các nhân tố ảnh
hưởng đến chất lượng của hệ thống OCR đều có thể được cải tiến bởi bước tiền xử
trong hệ thống, cho thấy Tiền xử lý là một phần rất quan trọng trong bài toán nhận
dạng.
2.2. Mục tiêu của tiền xử lý trong bài toán nhận dạng
Mục đích của bước tiền xử lý là để xử lý các nhân tố ảnh hưởng đến chất lượng
của OCR (được nêu ở mục 3.1), nhằm:
 Giúp hệ thống OCR đạt được kết quả nhận dạng với độ chính xác cao.
 Giúp hệ thống OCR chạy ổn định bằng cách nâng cao độ chính xác của
ảnh, khử nhiễu, nhị phân hóa ảnh, phát hiện và xử lý nghiêng, phân
trang, tách chữ, chuẩn hóa ký tự và các kỹ thuật hình học.
13

2.3. Các kỹ thuật tiền xử lý trong OCR
Trong OCR, hầu hết các ứng dụng sử dụng ảnh nhị phân hoặc ảnh xám, vì xử lý
ảnh mầu yêu cầu mức độ tính toán cao. Những ảnh này có thể chứa nhiễu gây khó
khăn cho việc tách chữ từ tài liệu nếu không thực hiện một số bước tiền xử lý.
Kết quả mong muốn của tiền xử lý là ảnh nhị phân chỉ chứa từ cần nhận dạng.
Để đạt được kết quả trên thì cần thực hiện một số kỹ thuật sau trong bước tiền xử lý: 
Áp dụng một số kỹ thuật nâng cao chất lượng ảnh để khử nhiễu, làm đúng
tính tương phản
 Sử dụng các kỹ thuật tính ngưỡng để loại bỏ nền của ảnh (nhị phân hóa
ảnh)

 Áp dụng các kỹ thuật phát hiện, xử lý nghiêng để loại bỏ nghiêng (xử lý
nghiêng)
 Áp dụng các kỹ thuậtphân trang, tách chữ để tách thành các chữ riêng rẽ
 Áp dụng các kỹ thuật về hình thái nhằm cải tiến chất lượng của các ký
tự
(ví dụ như làm mịn nét chữ).

2.2.1 Các kỹ thuật nâng cao chất lượng ảnh
Các kỹ thuật nâng cao chất lượng ảnh được chia thành hai loại xử lý theo điểm
và xử lý theo khung [8].
2.2.1.1 Xử lý theo điểm
Xử lý theo điểm thay đổi giá trị của các điểm ảnh trong ảnh gốc nhằm nâng cao
chất lượng ảnh.
O(x,y) = T[I(x,y)] (1)
I(x,y) là giá trị của điểm ảnh ở ảnh gốc
O(x,y) là giá trị sau khi đã được nâng cao
T là hàm chuyển đổi.
Một số kỹ thuật xử lý điểm:
 Thay đổi độ tương phản
 Nhị phân hóa toàn cục
 Xử lý histogram
 Biến đổi Logarit
 Biến đổi theo luật năng lượng

14

a. Thay đổi độ tương phản
Độ tương phản là tỷ số độ chói (độ chói – là đại lượng chỉ mức độ sáng của vật
bức xạ ánh sáng, phản xạ ánh sáng, hoặc cho ánh sáng đi qua) của thành phần (vùng)
sáng nhất so với độ chói của thành phần vùng tối nhất. Hay nói một cách đơn giản, độ

tương phản là sự khác biệt giữa hai màu đen và trắng.
Độ tương phản của ảnh phụ thuộc vào chất lượng của cảm biết trên thiết bị
chụp, hoặc những cài đặt của người dùng khi tiến hành chụp. Do đó, điều chỉnh độ
tương phản của ảnh chụp nhằm giải quyết những khó khăn khi nhận dạng là cần thiết.
Ý tưởng là thay đổi dải động của các mức xám ở trong ảnh. Một kỹ thuật có thể
được áp dụng được gọi là ánh xạ tuyến tính. Công thức dưới đây thực hiện kéo giản
giá trị các điểm ảnh của một bức ảnh có độ tương phản thấp hoặc cao bằng cách mở
rộng mức động trên toàn phổ của ảnh từ 0 đến (L-1):
(2)
O
1
tương ứng với 0.
O
2
tương ứng với số mức mong muốn (L-1 = 255).
I
1
, I
2
cung cấp các giá trị nhỏ nhất và lớn nhất của mức xám đưa vào.
Dạng đơn giản nhất của xử lý là thay đổi độ sáng của một bức ảnh bằng cách
thêm một giá trị lệch b vào tất cả các điểm ảnh b > 0 sẽ tăng độ sáng, b < 0 sẽ làm
giảm độ sáng.
Tương tự một nhân tố tích lũy a có thể được sử dụng thay một độ lệch a.
Với 0 < a < 1, sẽ làm ảnh tối hơn; a > 1 sẽ làm ảnh sáng hơn. Kết hợp cả hai độ
lệch và độ lệch tích lủy:
O(x,y) = a*I(x,y) + b (3)

b. Nhị phân toàn cục
Nhị phân hóa ảnh là tiến trình tách thông tin (các đối tượng) của một bức ảnh ra

khỏi nền (background), do đó, nhị phân hóa ảnh thường được áp dụng cho các tài liệu
xám, hoặc bức ảnh scan có màu. Nhị phân hóa có thể được chia làm hai loại chính:
toàn cục và cục bộ.
Các phương pháp nhị phân toàn cục chọn một giá trị ngưỡng cho toàn bộ ảnh.
Giá trị này được chọn thường dựa trên dự đoán của mức nền từ cường độ histogram
của ảnh, vì vậy nó được xếp vào nhóm xử lý điểm.
Bên cạnh đó, nhị phân cục bộ xác định các giá trị khác nhau cho các vùng ảnh
khác nhau.
15

Có rất nhiều thuật toán để xác định ngưỡng toàn cục (đến hàng trăm). Các
phương pháp xác định ngưỡng toàn cục được sử dụng để tự động chuyển một bức ảnh
xám sang ảnh nhị phân. Các bức ảnh này được xem là có 2 loại điểm ảnh: điểm ảnh là
nền và điển ảnh là nội dung. Mục đích của phương pháp xác định ngưỡng toàn cục là
tự động xác định giá trị ngưỡng, T, với những điểm ảnh có giá trị nhỏ hơn hoặc bằng T
sẽ được xem là điểm ảnh nội dung, và lớn hơn được coi là nền.
Phương pháp đơn giản nhất là chọn giá trị trung bình của tất cả các điểm ảnh
của ảnh gốc. Phương pháp này không hiệu quả với ảnh có những điểm ảnh được phân
bố không đều.
Một phương pháp phức tạp hơn là tạo một histogram của phân bố điểm ảnh trên
ảnh và sử dụng các điểm “thung lũng” (điểm thấp nhất trên đồ thị histogram) là
ngưỡng. Phương pháp này cho rằng có một số giá trị trung bình cho nền và các điểm
nội dung. Nhưng các giá trị thực tế lại có một số thay đổi xung quanh các giá trị trung
bình này. Tuy nhiên, phương pháp này yêu cầu tính toán nhiều, và độ thị histogram
của ảnh có thể không được có các điểm “thung lũng” rõ ràng, do đó thường gây khó
khăn cho việc xác định ngưỡng.
Một phương pháp khác khá đơn giản, không yêu cầu nhiều kiến thức đặc biệt về
ảnh là phương pháp lặp.
Thủ tục lặp như sau:
 Bước 1: chọn một giá trị ngưỡng T (ngẫu nhiên)

 Bước 2: phân vùng ảnh, sử dụng T, thành nền và nội dung.
 Bước 3: tính toán trung bình của mỗi vùng, u
1
và u
2
cho vùng R
1
và R
2

 Bước 4: tính toán giá trị ngưỡng mới
 Bước 5: lặp bước (2 – 5) đến khi giá trị ngưỡng mới trùng với giá trị
trước đó.

Các so sánh cho thấy phương pháp Otsu cho kết quả tốt nhất về hiệu năng
(Sahoo etal., 1988, Otsu, 1979). Phương pháp của Otsu là một trong những kỹ thuật
được sử dụng rộng rãi trong bài toán chuyển từ ảnh xám sang ảnh nhị phân. Phương
pháp Otsu tìm ngưỡng mà làm cho sự thay đổi giữa các nền và nội dung là nhỏ nhất.
Chúng tôi sẽ trình bày chi tiết về phương pháp này trong chương sau.

c. Xử lý histogram
Xử lý histogram được sử dụng trong nâng cao chất lượng ảnh và có thể có ích
trong nén ảnh và xử lý phân đoạn ảnh. Một histogram là đồ thị tần số ở mỗi mức xám
xuất hiện từ 0 (đen) đến 255 (trắng). Nâng cao chất lượng ảnh bằng xử lý histogram có
16

thể cho phép cải tiến độ chi tiết, và cũng có thể giúp xử lý hình học khác như phân
đoạn.

d. Biến đổi Logarit

Công thức của biến đổi logarit là:
s = c.Log(1+r) (4)
Trong đó c là một hằng số, r ≥ 0.
Biến đổi này ánh xạ một khoảng hẹp các giá trị xám ở mức thấp trong ảnh sang
một khoảng rộng hơn và ngược lại.

e. Biến đổi luật năng lượng
Các biến đổi của luật năng lượng có công thức chung như sau:
s = c(r + ɛ)
γ
(5)
Trong đó c và γ là các hằng số dương, ɛ là một giá trị bù mà thường bị bỏ qua vì
nó gây ra bởi những thay đổi lúc hiển thị. Do đó:
s = c.r
γ
(6)
Khi 0 < γ < 1, ánh xạ một khoảng hẹp các giá trị tối sang một khoảng rộng của
các mức ra.
Khi γ> 1, ngược lại.

2.2.1.2 Xử lý theo khung (xử lý mặt nạ)
Trong xử lý mặt nạ, một giá trị điểm ảnh được tính toán từ giá trị điểm ảnh ở
ảnh gốc và các giá trị của các điểm lân cận nó. Điều này yêu cầu nhiều xử lý hơn xử lý
điểm đơn, nhưng tốt hơn. Áp dụng của một mặt nạ vào một ảnh tạo ra một ảnh khác
với cùng kích thước với ảnh ban đầu.

a. Lọc mịn (low-pass filter)
Lọc trung bình và lọc trung độ (mean filter) là một trong những phương pháp
đơn giản và trực giác trong các phương pháp làm mịn ảnh. Ví dụ, giảm số lượng các
thay đổi cường độ của một điểm ảnh với điểm kế tiếp. Nó thường được dùng để giảm

nhiễu ở trong ảnh.
Nhìn chung, lọc trung độ hoạt động như một bộ lọc tần số thấp, do đó làm giảm
cường độ các biến đổi về không gian ảnh.
Ý tưởng của lọc trung độ là thay thế mỗi điểm ảnh bằng giá trị trung bình của
các hàng xóm của nó (bao hàm cả nó). Điều này gây ra một hiệu ứng loại bỏ các giá trị
điểm ảnh mà giá trị của nó không thể hiện các điểm phụ cận nó.
17

Lọc trung độ thường được xem như một bộ lọc chập. Giống như các bộ lọc chập
khác, nó cũng dựa trên một nhân (kernel), biểu diễn hình dạng và kích thước của các
hàng xóm được lấy mẫu khi tính toán trung bình. Thông thường 1 ma trận 3x3 được sữ
dụng.

Hình 4 Bộ lọc trung bình

Hình 5 Bộ lọc không trung bình
b. Lọc sắc (hight-pass filter)
Lọc mài sắc được sử dụng để nhấn mạnh các chi tiết tốt của ảnh. Các điểm có
độ tương phản cao có thể được phát hiện bằng cách tính toán những cường độ khác
nhau trong một vùng của ảnh. Trọng số của mặt nạ là cả dương và âm.
Khi được áp dụng trên một vùng với sự thay đổi chậm của các mức xám, kết
quả của phép chập có thể gần bằng 0. Khi mức xám thay đổi nhanh, kết quả sẻ là một
số lớn.

c. Lọc trung vị (median filter)
Một toán tử không tuyến tính hay được dùng là trung vị, một hình thức đặc biệt
của low-pass filter. Lọc trung vị sắp xếp tất cả các giá trị điểm ảnh của một vùng ảnh
(3x3, 5x5, 7x7,…), thay thế các điểm ảnh trung tâm bởi giá trị trung vị.
Lọc trung vị có tác dụng loại bỏ những nhiễu xung như nhiễu muỗi, thường xuất
hiện ngẫu nhiên các điểm ảnh trắng đen.

Hình 6 Lọc trung vị
18


Sắp xếp các giá trị trong vùng lựa chọn ta được (100, 115, 119, 120, 121, 122,
125, 134, 145), do đó, giá trị trung vị là 121.

d. Lọc tối đa (maximum filter)
Lọc tối đa được định nghĩa là tối đa giá trị tất cả các điểm ảnh trong một vùng
ảnh. Bộ lọc này tốt cho việc tìm kiếm điểm sáng nhất trong một ảnh.

e. Lọc tối thiểu (minimum filter)
Lọc tối thiểu nâng cao các giá trị tối của ảnh, do đó các điểm ảnh tối nhất sẽ là
giá trị của điểm ảnh ở trung tâm cửa sổ.

f. Lọc dải
Lọc dải được định nghĩa là sự khác nhau giữa các giá trị tối đa và tối thiểu của
điểm ảnh trong các điểm ảnh hàng xóm của nó.

g. Xác định ngưỡng cục bộ
Các kỹ thuật xác định ngưỡng cục bộ được dùng với các tài liệu ảnh có dạng
nền không theo chuẩn hoặc là nền phức tạp, như là dấu ảnh trong các tài liệu mật nếu
các phương pháp xác định ngưỡng toàn cục không thành công.
Histogram của các ảnh này có nhiều đỉnh, gây ra khó khăn cho kỹ thuật xác
định ngưỡng toàn cục.
Các thuật toán xác định ngưỡng cục bộ được xây dựng trong các tài liệu chủ yếu
cho các ứng dụng đặc biệt, và hầu hết không có kết quả tốt trên các ứng dụng khác
nhau. Nguyên nhân có thể là do các giá trị ngưỡng trên và ngưỡng dưới phụ thuộc vào
độ tương phản và độ sáng của ảnh.

2.2.1.3 Khử nhiễu
Những tiến bộ trong kỹ thuật ngày nay đã tạo ra những thiết bị chụp ảnh với
những cải tiến tốt. Tuy nhiên trong một số trường hợp, nhiễu ảnh vẫn xuất hiện. Ảnh
chụp từ máy ảnh có thể bị nhiễu bởi rất nhiều nguồn nhiễu như bóng, hay mất tập
trung.
Tiến trình loại bỏ nhiễu trong ảnh được gọi là khử nhiễu.
Trong ảnh xám, người ta dùng lọc trung vị và lọc trung độ hoặc lọc mờ
Gaussian để loại bỏ các điểm nhiễu. Lọc mờ Gausian và các phương pháp lọc trung
bình là những lựa chọn tốt để tăng độ mịn cho ảnh.

19

2.2.2 Phát hiện, xử lý nghiêng
Ảnh chụp bởi máy ảnh, trong một số trường hợp bị lệch góc chụp, do đó phát
hiện và xử lý nghiêng là cần thiết.
Các kỹ thuật phát hiện nghiêng có thể chia thành các nhóm sau: phân tích thông
tin chiếu, chuyển đổi Hough, các thành phần kết nối, phân cụm, và các kỹ thuật dựa
trên sự tương quan giữa các đường.
Các nghiên cứu cho thấy, hầu hết các phương pháp xử lý nghiêng cho những độ
chính xác khác nhau trong những trường hợp khác nhau [8]. Vì vậy việc lựa chọn kỹ
thuật nào cho phát hiện và xử lý nghiêng là tùy thuộc vào ứng dụng, cũng như loại ảnh
muốn sử dụng.

2.2.3 Phân trang
Sau khi nâng cao chất lượng ảnh, khử nhiễu, phát hiện và xử lý nghiêng, bước
tiếp theo là thực hiện phân trang nhằm tách chữ ra khỏi ảnh. Kết quả của bước này là
ảnh của chỉ chữ được tách ra.
Các phương pháp phân trang có thể được chia làm 3 nhóm chính: trên xuống,
dưới lên và các kỹ thuật lai.

Các phương pháp trên xuống, đệ quy chia các vùng lớn trong tài liệu thành các
vùng nhỏ hơn. Việc phân trang dừng lại khi các tiêu chuẩn được đáp ứng.
Bên cạnh đó, các phương pháp dưới lên bắt đầu bằng nhóm các điểm ảnh được
quan tâm, sau đó kết hợp cúng thành các khối lớn hơn hoặc kết nối các thành phần,
như các ký tự mà sau đó được nhóm thành các từ, các đường hoặc khối chữ.
Các phương pháp lai là kết hợp của 2 phương pháp trên xuống và dưới lên.

2.2.4 Phân đoạn
Phân đoạn ký tự được xem là một trong những bước chính trong tiền xử lý, đặc
biệt là trong các ngôn ngữ ký tự mà các ký tự được kết nối với nhau. Vì vậy, có nhiều
kỹ thuật được xây dựng cho phân đoạn ký tự, và hầu hết có kết quả tốt cho ngôn ngữ
này, nhưng ngược lại với ngôn ngữ khác.

2.2.5 Chuẩn hóa kích thước ảnh
Kết quả của phân đoạn ký tự cung cấp những ký tự được tách biệt. Sau đó các
ảnh này được chuẩn hóa thành các kích thước xác định, được quyết định dựa trên ứng
dụng và kỹ thuật sử dụng ở bước trích chọn đặc trưng và nhận dạng.