先判断问题出在哪一层
- 图像质量：模糊、倾斜、光照不均、分辨率过低；
- 版面结构：多栏、表格、发票、竖排；
- 语言与字体：中英混排、繁体、手写、艺术字。
对症下药比反复更换引擎有效得多——多数“识别率低”其实卡在第一层。
7 个可立即执行的技巧
- 分辨率至少 300 DPI：手机拍摄时保证文字高度不低于 20 像素，过小会直接丢失笔画；
- 摆正、去倾斜：倾斜超过 5° 识别率明显下降，扫描件尤其先做旋转校正；
- 提高对比度、统一光照：避免阴影与反光，必要时先转灰度再增强对比；
- 干净文档做二值化：黑白化对印刷体效果显著；但照片慎用，容易丢失浅色细节；
- 裁剪到有效区域：去掉页眉页脚、水印、装订阴影，能显著减少“凭空多出来的字符”；
- 选对语言：中英混排要启用多语言组合，繁体、日文、韩文需对应的语言包；
- 分块识别：长文档按页、表格按单元格分别识别，比整页通吃更准。
手写与复杂版面
手写体、艺术字、竖排文本、数学公式目前仍是难点，建议识别后人工校对。表格类文档先做框线检测、再逐格识别，能避免行列串行；票据类可先定位关键字区域（如“金额”“日期”）再做定向识别。
别忘了隐私
OCR 处理的往往是证件、合同、票据这类高敏感材料。优先选择本地识别的方案——模型在你的浏览器里运行，图片不上传服务器；确需云端处理时，先遮盖身份证号、银行卡号等字段。判断一个在线工具是否真的本地处理，可以断开网络后再试一次。
实战场景：三类图片的优化套路
- 屏幕截图：清晰度高但常有细字，放大 2 倍再识别通常更准，并务必裁掉无关边框。
- 手机拍文档：先去透视畸变、增强对比度、转灰度，再识别；倾斜与阴影是主要误差源。
- 表格 / 票据：按列裁剪分段识别，再拼装，比整张识别后整理省力得多；金额与编号务必人工复核。
常见问题
识别结果换行很乱？多按视觉行切分导致，可后处理合并过短的行。数字 0 与字母 O 混淆？选对语言包，并对金额、编号等关键字段做人工校验。为什么同一张图换工具结果不同？模型、预处理与后处理策略都不同，按上面的方法优化输入图像收益最大。
不同场景的参数建议
| 素材类型 | 预处理 | 预期效果 |
|---|---|---|
| 扫描件、PDF 转图 | 300 DPI、去倾斜、轻微二值化 | 效果最好，接近无损 |
| 手机拍摄文档 | 裁到文档边界、增强对比、校正透视 | 较好，注意阴影与反光 |
| 截图 | 原始分辨率、不要放大 | 文字清晰时准确率很高 |
| 表格与票据 | 先分块，按单元格或字段识别 | 需要后处理对齐行列 |
| 手写、艺术字、公式 | 尽量提高清晰度 | 效果有限，建议人工校对 |
后处理同样重要
- 合并被切断的行：视觉换行常导致结果出现大量短行，可按标点与长度合并；
- 统一全半角与空格：中英混排时常见多余空格，可用规则清洗；
- 关键字段人工复核：金额、编号、日期这类容错的代价很高，务必抽查；
- 保留原图与结果对照：便于回溯错误来源，也能帮助后续优化预处理参数。
动手试试：OCR 文字识别
预处理清单
- 转灰度：去色可减少噪声干扰，除非颜色本身承载语义；
- 二值化：对扫描件做自适应阈值二值化，能明显改善低对比度文本；
- 去倾斜：微小旋转即可让识别率明显下降，先做倾斜校正；
- 切白边：去掉无关边框，避免模型把注意力浪费在空白区域；
- 放大到合适字号：文字高度过小时先放大到 30px 以上再识别，通常比直接识别效果好。