图片转文字（OCR）

光学字符识别（OCR）能把图片里的文字还原成可以复制、搜索和编辑的文本，比如一张收据、一页幻灯片、一张报错信息的截图、书里的一页。这个工具用开源的 Tesseract 引擎，直接在浏览器中识别包括中文、英文、日文、韩文在内的 12 种语言的图片，图片不会离开您的设备。

使用方法

1. 选择一张或多张图片。端正、光线好、对比度高的图片识别效果最好。
2. 选择文字的语言；韩文与英文混排的页面请选“英语 + 韩语”。
3. 截图和文档保持“单栏文字”即可；多栏页面选“自动”，有部分漏识别时可改选单行、一块文字或零散文字。
4. 模糊的扫描件勾选“先转为黑白”；深色屏幕上的白字勾选“深色背景上的浅色文字”。
5. 点击按钮后复制提取出的文字。首次使用会下载引擎和语言数据。

计算公式

平均置信度 = 引擎对该图片中每个词给出的置信度（0–100%）的平均值

识别前可以把图片放大 2 倍（高度低于约 20 px 的小字很难识别），并用大津法转换成纯黑白。大津法会选出最能把两组像素分开的灰度级（即类间方差最大的那个值）。对于中文和日文，Tesseract 在字与字之间插入的空格会被去掉。

示例

一张宽 1170 px 的手机截图里有两行英文报错信息，用 英语 和默认的单栏版面识别，通常能逐字返回两行内容，平均置信度很高。同样的文字在台灯下斜着拍，得分会更低，可能需要改几处；置信度低于约 70% 时，就应该逐行核对。

需要了解的限制

印刷体的识别效果远好于手写体，手写体大多无法识别。表格会变成没有边框的文字行。非常小、模糊、弯曲或对比度低的文字会出错，因此请只裁出文字部分并正对着拍摄。引擎（几 MB）和各语言的数据（约 1.5–3 MB）会在首次使用时下载，之后使用缓存。