图片转文字：识别率怎么从 80% 提到 98%

识别率不是工具决定的，是图片决定的

很多人换了好几个 OCR 工具，结果都差不多，于是得出「免费 OCR 都不行」的结论。实际情况是：现代识别引擎的算法水平很接近，差距主要来自输入的图片质量。

换句话说，与其找更好的工具，不如把图片先处理好。同一张模糊的照片，预处理后识别率从百分之八十提到百分之九十八，是很常见的提升幅度。

分辨率：太低不行，太高也没用

识别引擎对文字高度有最佳区间，经验值大约是每个字符二十到三十像素。低于这个范围，笔画粘连在一起，引擎分不开；高于这个范围，运算量暴涨但准确率不再提升。

实用做法是：先把图片长边缩放到两千像素左右再看效果。手机拍的文档照片动辄四千像素，缩一半既提速又不掉准确率。反过来，如果原图文字只有十来个像素高，放大也没用——细节本来就不存在。

对比度：黑白化是最有效的单步操作

如果要在所有预处理操作里只选一个，那就是提高对比度。把彩色照片转成黑白，再拉一次对比度让纸张更白、文字更黑，识别率往往能立刻提升一截。

原理很直接：识别引擎本质上在找「深色笔画压在浅色背景上」的模式。颜色信息对它毫无价值，反而是干扰——尤其是蓝色墨水在黄色纸上这种低对比组合。

• 先转黑白，去掉颜色干扰
• 拉高对比度，让文字更黑、背景更白
• 避免过度处理导致笔画断裂

倾斜与形变：几度的差别很大

识别引擎通常假设文字是水平的。倾斜三到五度，引擎还能通过倾斜检测纠正；倾斜超过十度，整行文字的基线判断就会出错，识别结果开始整段错乱。

手拍的照片除了倾斜还有透视变形（近大远小），这比单纯倾斜更难处理。先做一次四角校正把画面拉正，再送去识别，效果提升非常明显。

一套可照做的预处理流程

顺序很重要：先校正形变把画面拉正，再转黑白提高对比度，然后调整分辨率到文字高度合适，最后才送去识别。反过来先识别再修图，等于白做。

处理完先拿一张试识别，看结果里有没有明显的形近字错误。如果错的是「0 和 O」「1 和 l」这类，属于正常范围，人工核对即可；如果整段错乱，说明预处理方向不对。

• 四角校正，消除透视变形
• 转黑白并拉高对比度
• 缩放到文字高度 20–30 像素
• 试识别一张，确认效果再批量

识别之后必须做的一件事

核对数字。识别引擎最容易在数字上出错，因为数字字形简单、区分度低，而且往往出现在金额、编号、日期这些关键位置。涉及数字的部分逐字核对，是省不掉的一步。

另外建议统计一下字数。如果原文三千字只提出一千五，说明有区域漏识别了，可能是分栏排版导致引擎只处理了一栏。