图片 OCR 的常见需求
- 截图里有文字想复制
- 拍照的资料要转成可编辑文本
- 图片里的表格要变成 Excel
- 书籍扫描要数字化文字
- 路牌、菜单拍照识别
手动打字又慢又错，OCR 一键提取，效率高几十倍。
OCR 的基本原理
OCR（光学字符识别）通过算法识别图片里文字的形状，转成对应的字符。现代 OCR 多用 AI 模型，识别率比传统算法高很多。
识别流程大致是：图像预处理 → 文字区域检测 → 字符识别 → 后处理校正。
影响识别精度的因素
图片清晰度
最关键。清晰大图识别率高，模糊小图识别率低。截图通常清晰，识别率高；拍照可能模糊或有阴影，识别率受影响。
文字大小
文字太小（几像素）识别困难。理想是文字高度 20 像素以上。太小先放大再识别。
背景对比度
文字和背景色对比越强越好。白底黑字最佳，浅灰底浅灰字识别困难。
字体
标准印刷体识别最好。手写体、艺术字、花体难度大。中英文混排、特殊符号也会降低精度。
排版
纯文本最易识别。表格、分栏、图文混排、旋转文字会增加难度。
提升识别精度的技巧
预处理图片
- 放大小图：文字太小时先放大
- 提高对比度：让文字和背景对比更明显
- 去噪点：减少干扰
- 纠正倾斜：歪斜的文字识别率低，先旋转校正
- 二值化：转成黑白图，文字更突出
分区域识别
复杂版面分块识别，每块单独处理，比整图一次识别精度高。
选对识别语言
中英文混排选"中英文"模式，纯英文选"英文"，避免语言设置错误导致乱码。
识别后校对
OCR 不可能 100% 准。识别后必校对，重点查：
- 形近字（己已巳、0Oo、1lI）
- 数字和字母（5 和 S、2 和 Z）
- 标点符号
- 专业术语
用 DocsAll 做 OCR
图片 OCR 工具 浏览器端处理：
- 上传图片
- 选择识别语言（中文、英文、中英混排）
- 运行识别
- 复制识别出的文字
- 校对修改
图片不上传服务器，敏感截图、证件照识别不泄露。
不同场景的识别技巧
截图识别
截图清晰度高，识别率最高。直接上传识别即可。
拍照识别
拍照可能有透视变形、阴影、反光。先做预处理：校正透视、调对比度、去阴影。
表格识别
表格 OCR 是难点，识别后表格结构常乱。简单表格能识别，复杂表格考虑用专门工具或手动整理。
手写体识别
手写体识别率低，工整手写还行，潦草手写基本认不出。重要手写内容还是人工录入更准。
证件识别
身份证、驾驶证等证件 OCR，注意隐私——用本地处理的工具，别上传到不明服务器。
常见问题
识别出乱码
语言选错或图片质量太差。换对语言，提升图片质量。
漏字
文字区域没全检测到，或部分文字模糊。手动补充漏识别的部分。
排版丢失
OCR 主要识别文字，排版格式（段落、缩进、对齐）常丢失。识别后手动调整排版。
公式、特殊符号
数学公式、特殊符号识别困难。这类内容识别后要仔细校对，或手动输入。
小结
图片 OCR 的核心是"图片质量决定上限，预处理和校对决定下限"。清晰高对比的图识别率最高，模糊低对比要先预处理。识别后必校对，重点查形近字和数字字母。DocsAll OCR 浏览器端跑，敏感图片不上传更安全。