图片文字识别不准怎么办?提升准确率的三个前置动作

1 阅读

帮人处理报销单,二十几张发票照片要录金额。用识别工具跑了一遍,三十多个金额里错了四个,全是把 8 认成 3、把 0 认成 8。

这不是工具不行。发票照片是斜着拍的,右下角还有一片阴影,这种输入下任何识别引擎都容易出错。

图片文字识别工具界面:上传图片后识别为可编辑文本
识别结果是可编辑文字,准确性还得人来担保

准确率的大头在原图

识别引擎的能力有上限,但大多数时候我们根本没让它发挥出来。三个前置动作,效果比换工具明显:

  1. 摆正。手机拍的时候尽量垂直俯拍,拍歪了先用裁剪工具转正。
  2. 提对比。光线不匀、有阴影的,先调一下亮度对比,让字和底分开。
  3. 去掉无关区域。把桌面、手指、边框裁掉,只留文字区,识别速度也会快一截。

这三步做完再识别,同一张图的结果经常差别很大。

哪些内容注定会错

有些东西再好的工具也搞不定,提前知道能省很多返工:

  • 手写体。工整的还行,连笔的基本全错。
  • 小字号和密集表格。一张 A4 塞满表格,字号小到 6pt,识别出来会串行。
  • 数学公式和特殊符号。上下标、根号、希腊字母,识别成普通文字的概率很高。
  • 艺术字和印章压字。文字被红色印章盖住的部分,多半丢字。

遇到这些,与其反复调参数,不如直接人工录入那几处。

识别完必须核的三处

全篇通读很费时间,按优先级抽查更实际:

  1. 数字。金额、日期、编号。数字错一个字符就全错,而且最难肉眼发现。
  2. 形近字。0 和 O、1 和 l、日 和 目、己 和 已。
  3. 换行位置。一行文字被拆成两行后,段首段尾容易多字少字。

推荐工具

识别结果可以直接复制,也能导出成文本继续编辑:

图片文字识别识别图片中的简体中文、繁体中文和英文,提取文字并下载 Word 或 TXT。立即使用

批量处理时的省力办法

一堆图片要识别,别一张张手工来。先把要识别的主体区域统一裁出来(图片裁剪能批量按同一位置裁),再统一调一次亮度(图片调色),最后一次性识别。裁齐之后的识别结果结构一致,校对起来也快。

如果原文本来就是 PDF,别先转图片再识别,直接用PDF转文本,省掉一次画质损失。

最后提醒一句:识别只是把图变成可编辑文字,准确性由你来担保。要签字、要报账、要对外发布的,逐字校一遍,别信"识别完成"这四个字。

查看更多
Excel数字变成E+怎么办?订单号身份证号保留原样Excel数字变成E+怎么办?订单号身份证号保留原样PDF转Word排版乱了怎么办?按三种乱法分别修复PDF转Word排版乱了怎么办?按三种乱法分别修复二维码扫不出来什么原因?内容长度、尺寸、材质逐个排查二维码扫不出来什么原因?内容长度、尺寸、材质逐个排查中文乱码怎么解决?网页、CSV、接口四种来源分别处理中文乱码怎么解决?网页、CSV、接口四种来源分别处理