从图片中提取文字

清晰、高对比度的印刷文本效果最佳。使用具有足够像素的锐利光源来拍摄小字符，均匀的照明，有限的压缩，以及尽可能平坦和笔直拍摄的页面。在提取之前裁剪不相关的背景并垂直旋转文本。极低的分辨率、运动模糊、眩光、阴影、纹理纸、弯曲的页面、装饰字体和激进的图像增强可能会合并或破坏字符形状。放大真正的低分辨率源可能有助于提高可视性，但它无法重新创建从未捕获的细节。

语言选择决定了预期的识别模型和字符模式。选择英语作为中文、日语、韩语、阿拉伯语、越南语或德语文本可能会产生看似合理但不正确的替换，因为预期的字母、重音、方向和单词模式不同。选择图像中可见的主要语言。当一张图像混合多种语言时，将最重要的部分与其匹配的语言分开提取，并仔细比较名称、数字、日期和技术术语，因为它们从普通语言模式中获得的帮助较少。

OCR 识别文本区域，然后按其位置对它们进行排序。多栏文章、表格、侧边栏、表格、标题、垂直文本、弯曲标签、重叠印记和手写注释可能会使预期的顺序模糊不清。当顺序很重要时，裁剪独立区域并单独提取它们。提取后，从上到下将结果与源进行比较，恢复段落分隔符，并验证标题、表格行、标签、脚注和图像旁边的文本，而不是假设重建了完整的文档布局。

否。此工具返回可编辑文本和检测到的区域，而不是原始设计的 Word、电子表格或可搜索 PDF 重新创建。列可能会以意外的顺序读取，表格单元格可能会丢失行和列关系，并且字体、颜色、间距、边框、图像和页面家具不会保留为匹配的布局。使用结果来避免重新输入，然后在目标应用程序中重建所需的结构，并在依赖重要值之前将其与源值进行比较。

时间取决于图像尺寸、文本区域的数量和大小、布局复杂性、所选语言、旋转以及准备识别所需的资源。中心有小文档的大照片可能需要更多的工作，同时仍然会产生比紧密裁剪的扫描更糟糕的文本。使用保留所需字符的最小清晰图像，裁剪不相关的区域，并避免重复放大已经清晰的源。保持页面打开，直到出现结果或有用的错误。

比较姓名、日期、地址、总计、小数分隔符、帐号、标识符、标点符号以及任何因单个错误而改变含义的字符。常见的混淆包括零和 O、一和小写 l、类似的标点符号、重音字母以及 CJK 或阿拉伯文字中视觉相关的字符。检查图像或表格周围的行顺序和缺失文本。对于法律、财务、医学、学术或档案材料，请在将结果复制到另一条记录之前对原始图像进行第二次审查。