图片文字怎么提取？中文 OCR 准确率提高方法
图片里的文字不能直接复制时，可以用 OCR 把像素识别成可编辑文本。OCR 是光学字符识别：它先分析文字区域和笔画，再输出对应字符；输入越清晰、角度越正、语言选得越准，结果通常越可靠。下面给出截图、扫描件和手机照片的提取步骤，并说明中文空格、表格、手写字和置信度该怎么处理。
OCR 怎么把图片变成文字？
OCR 会把图片中的字符区域转成可搜索、可复制、可编辑的文本。图片本身只有像素，没有“这是一段中文”的结构。识别引擎需要先找出文字行和字符形状，再结合语言模型判断每个字、数字和标点。
这也解释了为什么人眼能读、OCR 却可能出错：人会利用上下文补全模糊字，机器更依赖笔画、间距和版面。反光遮住一横，“未”就可能变成“末”；数字 0、字母 O 和中文“〇”外形接近，也容易互相混淆。
| 输入条件 | OCR 看到的难点 | 常见结果 |
|---|---|---|
| 清晰截图、正向印刷体 | 字符边界明确 | 段落和标点较稳定 |
| 倾斜或透视明显的照片 | 同一行字高不一致 | 错行、漏字、阅读顺序混乱 |
| 阴影、反光、花纹背景 | 文字与背景难分离 | 多出杂字或整段漏识别 |
| 表格、双栏、票据 | 版面结构复杂 | 文字能识别，顺序和单元格丢失 |
| 手写字、艺术字 | 字形偏离印刷体 | 需要较多人工校对 |
图片文字怎么提取？
准备图片、选对语言、开始识别、对照校对，再复制或下载，就是完整的图片转文字流程。真正影响效率的不是按钮怎么点，而是开始前是否把角度、画面范围和语言处理好。
- 准备来源清楚的图片。优先用原截图、扫描原图或相机原片，不要用聊天软件反复转发后的压缩图。
- 裁掉无关区域。桌面、手指、页边阴影和旁边另一页都会干扰版面分析。可先用裁剪图片只保留正文，并留一圈窄边。
- 选择语言。简体中文选“简体中文”，繁体选“繁体中文”；有英文缩写、网址或单位时再选中英混排。
- 开始识别并等待完成。首次使用要加载 OCR 引擎和语言包，之后同一语言会复用已加载的 Worker。
- 在结果框里校对。修正后再复制，或下载为 UTF-8 TXT，避免把错误继续带进文档。
中文 OCR 怎么识别得更准？
提高识别质量的顺序是：摆正角度、放大文字占比、压住反光和阴影、选对语言，末尾再人工校对。Tesseract 官方文档也把缩放、二值化、去噪、纠偏和边框列为影响输出质量的关键因素。
| 问题 | 先怎么改 | 不要怎么做 |
|---|---|---|
| 文字在画面里太小 | 裁掉背景，必要时等比例放大 | 只改 DPI 数字 |
| 页面横倒或颠倒 | 先旋转到正向 | 让 OCR 猜复杂方向 |
| 手机斜拍成梯形 | 镜头对正纸面重新拍 | 只旋转，留下透视变形 |
| 纸面有阴影或反光 | 换均匀光线，从正上方拍 | 过度锐化，把噪点变成假笔画 |
| 字色和背景接近 | 提高对比度或重新扫描 | 把浅色笔画直接压没 |
| 识别出大量相似字符 | 核对简体、繁体和英文选项 | 同时加载不需要的语言 |
改 DPI 为什么通常没有用
DPI 只是像素与打印尺寸之间的换算标记。把一张 1000×1000 的图片从 72 DPI 改成 300 DPI，像素仍是 1000×1000，文字笔画没有变多，OCR 看到的内容也没有变清楚。真正有用的是让文字获得更多实际像素：用原图、靠近拍、裁掉空白，或在清晰度尚可时等比例放大。
需要补实际像素时，可先用调整图片尺寸；小图边缘发软、只用于阅读时，也可以试AI 图片放大。但 AI 可能改变细小笔画，识别姓名、编号和金额时仍应以原图核对。
截图、扫描件和手机照片分别怎么处理？
截图通常可以直接识别，扫描件先处理边框和倾斜，手机照片重点控制透视、反光与文字占比。三种来源的主要问题不同，套用同一套滤镜反而可能损伤笔画。
截图：保留原尺寸，不要先压缩
系统截图的文字边缘干净、背景规则，通常是容易识别的输入。直接截取需要的段落，不要先发到聊天软件再保存；二次压缩会在笔画周围产生方块和毛边。深色模式截图也能尝试，但黑字白底通常更稳。
扫描件：去掉黑边，保持文字行水平
扫描仪产生的页边黑框、装订阴影和另一页露出的内容，可能被当成字符或版面分隔。裁掉这些区域，同时给正文留一点边距。Tesseract 官方文档建议文字区周围保留合理窄边，既不要贴边，也不要让单个词漂在大块空白中。
手机照片：宁可重拍，也别硬救
镜头与纸面尽量平行，四个角都落在画面里；用均匀光线，避开手和手机投下的阴影。若页面上边窄、下边宽，说明透视已经明显，单纯旋转无法修正。此时重新拍一张，通常比识别后逐行整理更快。
- 纸张铺平，镜头与纸面保持平行。
- 让正文占画面大部分，同时保留完整页边。
- 关闭会抹平小字的美颜或强降噪。
- 拍完放大看小字，若笔画已经糊成一团就重拍。
识别结果怎么校对才不漏错？
校对不要从头机械读到尾，先查专有名词，再查数字符号，末尾查段落结构。这套三遍检查法把高风险错误提前拎出来，特别适合合同摘录、票据、课程资料和采访截图。
- 先查名称：姓名、公司名、地名、产品型号和生僻字。OCR 缺少上下文时，常把形近字换成更常见的字。
- 第二遍查数字：金额、日期、小数点、百分号、负号、手机号和编号。重点分辨 0/O、1/l/I、5/S、8/B。
- 第三遍查结构：标题层级、段落换行、项目符号、双栏阅读顺序和表格行列。文字本身识别对了，顺序仍可能错。
置信度只能当提醒，不能代替校对
工具显示的是整页置信度，它适合判断“这张图是否值得重拍”，不适合证明每个字符都正确。页面大部分是清晰正文时，整体分数可能较高；角落里一个模糊金额或姓名依然可能错。涉及付款、身份和提交材料时，应逐项对照原图。
中文空格怎么处理
OCR 有时会把中文字符之间的排版间距识别成空格。小鹿 Image 默认删除相邻中文字符之间的横向空格，并保留换行、英文单词间距和数字格式。原稿本来就用空格分隔字段时，开启“保留中文字符间原始空格”，再人工整理。
表格、手写字和复杂排版能识别吗？
可以尝试提取文字，但当前工具不还原表格结构、字体样式和页面版式，手写字也需要更多人工修正。先把目标定为“拿到可编辑文字”，就不会把纯文本 OCR 误当成文档复刻工具。
- 表格：按行或按列分块裁剪，分别识别，再贴回电子表格整理。
- 双栏文章：把左右两栏分别裁成图片，按阅读顺序识别，避免跨栏串行。
- 票据：可提取商户、日期和金额，但字段位置与表格线不会自动恢复。
- 手写字：工整、字距清楚的笔迹可以试；连笔或潦草内容建议人工录入。
- 弧形与艺术字：轮廓变形、描边和阴影会干扰字符判断，先换原始文本更可靠。
- PDF：当前工具接收单张图片，不做整份 PDF OCR；先按页转图再逐页识别。
图片超过 2000 万像素时，本站会在开始前拦截，避免浏览器内存压力过高。先裁出正文或等比例缩小，再用图片转文字识别；只要关键笔画仍然清楚，删掉空白和背景通常比直接处理整张大图更有效。
常见问题
- 图片转文字支持中文吗？
- 支持简体中文、繁体中文、英文，以及简中加英文、繁中加英文的混排识别。只有一种语言时就选对应单语言；图片里同时有英文缩写、网址或数字单位时，再选中英混排。
- 怎样提高中文 OCR 的准确率？
- 优先使用原图或清晰截图，让文字水平、占据较大画面，并裁掉复杂背景。拍纸质材料时让镜头与纸面尽量平行，避开阴影和反光。识别前选对简体或繁体，识别后再重点核对姓名、数字和标点。
- 为什么 OCR 识别出的中文之间有空格？
- OCR 会根据字块之间的距离判断空格，中文排版稍松时容易把正常字距当成词间空格。小鹿 Image 默认清理相邻中文字符之间误插入的横向空格，同时保留换行；原稿确实用空格分隔文字时，可勾选保留原始空格。
- OCR 的置信度等于文字准确率吗？
- 不等于。置信度是识别引擎对当前结果的内部评分，不代表逐字核验后的正确比例。整页分数较高时，姓名里的生僻字、金额小数点、日期和编号仍可能出错，因此关键字段必须对照原图。
- 图片转文字能保留表格和原排版吗？
- 当前工具输出纯文本，不还原表格单元格、字体、图片和页面版式。简单段落会尽量保留换行，复杂双栏、票据和表格可能出现阅读顺序错乱。需要结构化表格时，应把每个区域分别裁出识别，再人工整理。
- 手写字和艺术字可以识别吗？
- 可以尝试，但当前模型主要面向印刷体。连笔、潦草字、描边艺术字、弧形文字和低对比度笔迹容易错认。重要手写内容建议人工录入；若只是少量文字，直接对照原图输入通常更快。
- OCR 图片会上传到服务器吗？
- 在小鹿 Image 不会。OCR 引擎和语言包从本站同源地址加载，图片解码、识别和 TXT 生成都在浏览器本地完成。首次加载语言包会花一些时间，同一语言继续识别时会复用已初始化的引擎。
- 为什么大图片不能直接识别？
- 本站对解码后的图片设置了 2000 万像素门槛，避免低内存设备卡住。超过门槛时，应先等比例缩小；只要文字仍有足够像素，去掉过大的空白和照片背景通常不会影响识别。
动手试试
看完直接动手——用图片转文字（OCR）工具，在浏览器本地处理，图片不上传、免费无需注册。
参考资料
个人开发者「小鹿」维护，更新于 2026-10-14。工具和内容会持续复查与修正。