OCR 代表光學字元辨識。它是一種將文字圖像（無論是照片、掃描文件還是沒有文字圖層的 PDF）轉換為實際的機器可讀字元的技術。了解 OCR 的工作原理有助於您從中獲得更好的結果，並對其成功之處和不足之處設定實際的期望。
OCR 實際用途
當您掃描文件或拍攝頁面照片時，結果是光柵影像 - 彩色像素網格。該圖像中的文本在您看來就像文本，但對於計算機來說，它只是暗點和亮點的圖案，沒有內在含義。 OCR 軟體分析這些像素模式，識別與已知字母表中的字元相對應的形狀，並將它們轉換為電腦可以儲存、搜尋和處理的文字字串。
PDF 上的 OCR 輸出通常是可搜尋的 PDF：該檔案在視覺上看起來與原始掃描相同，但現在在圖像後面嵌入了不可見的文字圖層。當您按 Ctrl+F 搜尋、複製文字或要求搜尋引擎對文件建立索引時，它會使用此文字圖層而不是可見圖像。
OCR軟體如何辨識字元
現代 OCR 引擎結合使用影像預處理、模式匹配和機器學習來識別字元。這個過程通常分幾個階段進行：
- 預處理：清理影像 - 校正傾斜（傾斜校正）、去除雜訊、增強對比度，並且可以對影像進行二值化（轉換為純黑白）以使字元更加清晰地突出。
- 版面分析：軟體辨識文字區塊、列、標題、圖像和表格在頁面上的位置。這決定了讀取順序並防止 OCR 引擎混合相鄰列的內容。
- 字元分割：各個字元彼此隔離並與周圍的空白隔離。這比聽起來更難——草書筆觸中的字符、印刷品質差的文檔中的字符可能會支離破碎，標點符號可能會被誤認為是雜散標記。
- 字元辨識：將每個分段字元與經過訓練的模型進行比較。現代 OCR 使用深度學習模型，該模型經過數百萬個不同字體、大小和列印條件的字元範例的訓練。
- 上下文校正：根據語言模型檢查識別的字元。看起來像“hcllo”的序列是更有可能是“你好”基於詞頻——所以引擎會糾正它。此上下文步驟顯著提高了模糊字元的準確性。
OCR 準確性由什麼決定
最大的因素是掃描品質。當來源影像模糊、解析度低、光線不足、傾斜或具有深色或圖案背景時，OCR 準確度會急劇下降。在一致照明下以 300 DPI 進行乾淨掃描，標準列印文字的準確率可達 95-99%。在昏暗的燈光下，在手機上以 72 DPI 掃描同一份文件可能會產生 60-70% 的準確度——足以獲取要點，但對於精確的文本提取來說沒有用處。
語言選擇也很重要。 OCR 引擎經過特定語言和字元集的訓練。透過為英語配置的 OCR 引擎運行阿拉伯文檔會產生較差的結果。 WukongPDF 的OCR PDF 工具支援多種語言模型 - 在處理之前始終選擇正確的語言以獲得最佳準確性。
下表總結了不同文件類型和條件下的預期準確度範圍：
這些是典型範圍 - 各個結果因所使用的特定文件、掃描設備和 OCR 引擎而異。
掃描 PDF 與原生數位 PDF 的 OCR
值得澄清一個常見的誤解：並非所有 PDF 都需要 OCR。直接從文字處理器、電子表格或設計應用程式建立的 PDF 已經包含文字圖層 - 字元儲存為實際文字數據，而不是像素。您可以選擇、複製和搜尋這些文件中的文本，無需進行任何 OCR 處理。
僅基於圖像的 PDF 需要 OCR：透過掃描紙本文件建立的文件、從圖像文件匯出的 PDF 或在匯出過程中文字轉換為輪廓的 PDF。一個快速測試是嘗試選擇 PDF 中的文字 - 如果您可以突出顯示單字，則文字圖層已經存在。如果您的遊標變成十字準線或您只能選擇矩形區域，則內容是基於影像的，OCR 將使其可搜尋。
| 文檔類型 | OCR 準確度 | 常見挑戰 | 提示 |
|---|---|---|---|
| 乾淨的印刷文本 | 95–99% | 相似字元（0/O、l/1） | 使用 300 DPI 或更高的掃描 |
| 打字文件 | 90–97% | 墨水退化、色帶間隙 | OCR前高對比 |
| 手寫文字 | 60–85% | 不規則字母、連字 | 需要專門的手寫模型 |
| 低解析度掃描（150 DPI 以下） | 50–80% | 字元模糊、像素化 | 如果可能，請以更高的 DPI 重新掃描 |
| 非拉丁文字（阿拉伯語、中文） | 85–95% | 性格複雜性、方向性 | 在 OCR 設定中選擇正確的語言 |
| 複雜的表格和表格 | 80–92% | 單元格邊框與文字合併 | OCR 後手動檢查表格區域 |
如何將 OCR 應用於 PDF
WukongPDF 的OCR PDF 工具在瀏覽器中處理該流程。上傳掃描的 PDF，選擇文件語言並進行轉換。輸出是帶有嵌入文字圖層的可搜尋 PDF — 視覺上與輸入相同，但現在完全可搜尋和文字可選。多頁文件透過一次操作進行處理。
為了在重要文件上獲得最高精度，請以 300 DPI 或更高的解析度進行掃描，使用均勻且無陰影的照明，並在掃描前確保頁面平整、筆直。輸入影像越乾淨，OCR 輸出就越好 - 在運行 OCR 之前對掃描進行預處理對於精度至關重要的文件總是有好處的。