هرچه را که بنویسی می فهمم

از تایپ کردن خسته شده اید؟ نمی توانید مدت زمان زیادی را به نوشتن و دوباره تایپ کردن یک متن طولانی دانشگاهی یا گزارش خبری تان اختصاص دهید؟ آیا می خواهید صفحات یک کتاب را اسکن کنید تا بتوانید قسمت های مورد نیازش را حذف و برخی قسمت های دیگر را برای ویرایش و تغییر انتخاب کنید اما وقت ندارید؟ نامه ای طولانی نوشته اید اما آنقدر بدخط است که فقط خودتان می توانید بخوانیدش و مجبورید دوباره تایپ کنید؟ پیشنهاد ما این است که از فناوری نوین و جالب OCR استفاده کنید.
فناوری تشخیص یا ادراک نوری حروف که از آن به عنوان Optical Character Recognition یا اختصاراً OCR نام می برند، یکی از انواع نرم افزارهای کامپیوتری است که برای ترجمه تصاویر حاوی دست نوشته ها و یا تایپ نوشته های غالباً ثبت شده توسط اسکنر، به متن و حروف قابل درک و فهم برای کامپیوتر استفاده می شود.
این فناوری از تشخیص قالب و الگو، هوش مصنوعی و چشم ماشینی استفاده می کند تا متن هایی را که به صورت پرینت شده یا دست نوشته بر روی کاغذهای معمولی در اختیار داریم به متن های قابل ویرایش توسط نرم افزارهای ادیتور متن با کامپیوتر بدل کند.
معمولاً از OCR در مواقعی استفاده می شود که فرصت زیادی برای تایپ کردن متون وجود ندارد و شما می خواهید به سرعت متنی را که به شکل دست نوشته با قلم یا خودکارهای معمولی روی کاغذ نوشته اید، اسکن کنید تا بتوانید آن را به شکل های مختلف، ویرایش متنی کنید.
یکی دیگر از کاربردهای فناوری تشخیص بصری حروف در زمانی است که شما می خواهید متن مقالات، کتاب ها یا نوشته های از قبل پرینت شده ای را اسکن و مجدداً ویرایش و ارسال کنید که حجم زیادی دارند و ذخیره سازی آنها در قالب فایل های تصویری مثل JPEG یا GIF امکانپذیر نیست.
نرم افزارهای جدید OCR که غالباً از آنها در گوشی های تلفن همراه یا کامپیوترهای قابل حمل مجهز به صفحه های لمسی و Pad های نوشتار با قلم نوری استفاده می شود، امکانی برای تمرین کردن دارند، به این معنی که هر کاربر جدید، در مدت زمانی خاص متونی مشخص شده را با دست خط خود می نویسد و از طریق اسکنر یا Touch Pad به نرم افزار ارسال می کند تا سنسورهای مصنوعی و نرم افزاری بصری، با این دستخط آشنا شوند و بتوانند همواره آن را درک کنند.
مطمئنا ماشین یا کامپیوتر به عنوان یک دستگاه صرف، دارای هوش و ادراک انسانی نیست و نمی تواند متن هایی را که به صورت دست خط به او داده می شود درک کند؛ ضمن اینکه کامپیوتر، تمامی تصاویر ذخیره شده با فرمت های تصویری مثل Gif را تنها به عنوان یک تصویر می شناسد و هیچ گاه محتویات آن را برای ویرایش درک نمی کند. به همین رو نیاز است تا در صورتی که از آن برای تشخیص دستخط انسانی استفاده می شود، به مدتی خاص تحت تمرین قرار بگیرد.
نمونه این تمرین برای افزایش هوش مصنوعی کامپیوتر را در مجموعه ارایه شده Office۲۰۰۳ می توانیم بیابیم، جایی که در نرم افزارهایی مثل Word شما می توانید فرمانهای صوتی را برای اجرای دستورها و توابع مختلف به نرم افزار بدهید. برای این کار و افزایش بازدهی عملگر فرمان صوتی که بتواند دقیق تر و با درصد خطای کمتری کلام شما را متوجه شود، بخشی با عنوان Speech Training وجود دارد که در آن شما متن های مشخصی را با صدای خودتان برای نرم افزار می خوانید و حافظه مجازی نرم افزار نیز فرکانس ها و بسامد های صدای شما را ذخیره می کند و هر لغت جدیدی را که شما ادا کنید، بدون مشکل تشخیص می دهد.
با این تفاسیر می توانیم به طور خلاصه این گونه جمع بندی کنیم که OCR برای تبدیل تصاویر محو و مبهم به متن های قابل درک و ویرایش مورد استفاده قرار می گیرد و اشکال گرافیکی را به کدهای ASCII و Unicode تبدیل می کند، به شکلی که فونت ، اندازه ، استیل ، صفحه آرایی و تمام مختصات پاراگرافی آنها قابل ویرایش باشد.

● تاریخچه

در سال ۱۹۲۹ برای نخستین بار، گوستاو توشچک از آلمان، امتیازی برای اختراع خود با نام OCR دریافت کرد و از همان زمان، کار طراحی نرم افزارهای هوشمند درک متن را آغاز کرد.
اختراع او، یک دستگاه اسکنر نوری بود که یک سری الگوهای متنی آماده را در خود ذخیره می کرد و متن هایی که دریافت می کرد در صورت تطابق کامل و تشابه، بدون کم و کاست با الگوی ابتدایی ذخیره شده، درک می کرد و به کامپیوتر می داد.
ایراد اختراع او این بود که یک نمونه از پیش تهیه شده شامل شکل کوچک و بزرگ حروف الفبا در اختیار داشت و در صورتی که متن ارایه شده به دستگاه، کوچک ترین تفاوتی با الگو و نمونه آماده داشت، قادر به تشخیص نبود. با این حال، این کار سرآغاز ارایه اختراعاتی شد که بعدها به تولید نرم افزارهای هوشمند تشخیص متن انجامید. در حال حاضر، این نرم افزارها برای درک متون تصویری به زبان های مختلف طراحی شده اند و نمونه های جدید آنها بر روی بسیاری از گوشی های تلفن همراه نصب شده است.
اساس و پایه کار قلم های نوری یا Light penهایی که همراه با برخی گوشی های تلفن همراه ارایه می شوند نیز همین فناوری است. زمانی که شما برای تایپ کردن متن یک پیام کوتاه یا شماره گیری کردن، بدون در اختیار داشتن هیچ کیبوردی، تنها به نوشتن معمولی اعداد و حروف با دستخط خاص خودتان مبادرت می کنید، یعنی در حال استفاده از ثمرات OCR هستید، آن هم به شکلی که یک صفحه کریستال مایع هوشمند به کمک قلم نوری، امکان درک و ردیابی خطوط به ظاهر بی معنی و ترسیم شده توسط شما را فراهم می کند.
در سال ۱۹۵۰ دومین نمونه نرم افزار تشخیص خط بصری کاراکترها توسط دیوید شپارد از سرویس جاسوسی سازمان نیروهای مسلح ایالات متحده طراحی شد. شپارد که متخصص رمزشکنی و باز کردن قفل های مخفی اطلاعاتی و متنی بود، با همکاری یک پروفسور ژاپنی، نمونه ای از نرم افزار نوین OCR را طر احی کرد که نیازی به الگوی ثابت از پیش تعیین شده نداشت و به راحتی می توانست دست خط های افراد مختلف را درک کند.
ویژگی این نرم افزار، فهمیدن و درک راحت متن هایی بود که بسیار کم رنگ و یا توسط مداد نوشته شده بودند و یا بر اثر گذشت زمان، از وضوحشان کاسته شده بود. در آن زمان، به دلیل وجود نداشتن نرم افزارهایی مثل Adobe Photoshop که بتوانند وضوح و contrast تصاویر را تنظیم کنند، بالا بردن کیفیت و ترمیم تصاویر قدیمی، تار و محوشده بسیار سخت بود و به آسانی انجام نمی گرفت.
همچنین سرویس پستی ایالات متحده، از سال ۱۹۵۶ شروع به استفاده از OCR کرده تا بتواند امور مربوط به ارسال و دریافت نامه های خود در سراسر دنیا را ساماندهی کند. با استفاده از فناوری تشخیص بصری متن، ادارات پست سراسر آمریکا به جای وارد کردن دستی یا تایپ اطلاعات مربوط به هر نامه، پاکت ها و بسته های پستی را اسکن می کنند و اطلاعات مورد نیاز نیز به شکل خودکار توسط کامپیوتر فهمیده و ذخیره می شود. یاکوب رینبو، نخستین کسی بود که این سیستم را وارد ادارات پست و بانک های آمریکایی کرد.
در حال حاضر هرچند نرم افزار رسمی و معتبری برای درک متون به زبان های آسیای غربی و برخی زبان های غیرلاتین دیگر وجود ندارد، اما جدیدترین حوزه تحقیق و گسترش نرم افزارهای OCR برای تشخیص حروف چسبان و شکسته لاتین به کار گرفته می شود.
در حال حاضر برای اکثر زبان هایی مانند فرانسوی، ایتالیایی، انگلیسی و آلمانی که از الفبای لاتین استفاده می کنند، نرم افزار تشخیص بصری کاراکترها وجود دارد و اشکالات رایج در آنها به دلیل وجود تفاوت در املای برخی از کلمات یا تفاوت الفبا نیز حل شده است.
به همین دلیل کارشناسان، به این حوزه روی آورده اند که نرم افزارها را قادر سازند حروف چسبان، شکسته و خوشنویسی را درک کنند.
گفته می شود برخی از شرکت های نرم افزاری در کشور ما نیز مشغول طراحی نرم افزار OCR فارسی هستند با این حال به نظر می رسد به دلیل پیچیدگی های خاص موجود در نوشتار و الفبای فارسی و تعدد سبک های نوشتاری فارسی برای اشخاص مختلف که حروف گوناگون را به اشکال متنوع تحریر می کنند، این کار تا مدت های زیاد نیاز به تحقیق و مطالعه داشته باشد.
منبع:روزنامه فناوران
/ن