图片转文字:提取印刷文字,核对后再保存
Admin ·
图片转文字工具把图片中的印刷文字转为可编辑、可复制、可下载的文本。选择一张静态 JPG、PNG 或 WebP,选对印刷文字语言,再启动识别。使用结果前,请对照原图检查。
OCR 完成后仍需校对,有用的是经过核实的内容。本指南说明十种识别语言、文件和像素限制、背景与清晰度问题,以及哪些操作会保留或清空你修改过的文字。
从一张图片提取可编辑文字
选择含有印刷文字的图片,设置“印刷文字语言”,然后点击“识别文字”。ToolMellow 在浏览器中读取图片,将结果放入“识别结果”文本框。直接在框内改错,再点击“复制”或“下载文字”。下载文件是 UTF-8 编码的纯文本 recognized.txt。
尽量使用最清晰的原图。文章截图、印刷通知的照片或保存为图片的扫描件都可能适用。OCR 从像素推测字符,并不是提取一份隐藏且必然正确的原文。请逐项对照图片,尤其注意会改变姓名、日期或金额的小错误。
- 每次选择一张静态 JPG、PNG 或 WebP;此工作区不提供批量输入。
- 按图片中实际印刷的文字选择语言,网站界面语言可以不同。
- 更换文件或再次识别前,先保存修改好的文本。
同时检查文件大小和图片尺寸
三项上限同时适用:文件最多 25000000 字节,总计最多 24000000 像素,任一边不超过 12000 像素。文件上限按十进制计算,即 25 MB,而不是 25 MiB。宽乘高得到总像素数。例如,6000 × 4000 像素为 24 百万像素,尺寸符合要求,但还必须满足字节上限并能正常解码。
13000 × 1000 的图片虽然只有 13 百万像素,仍超过单边上限。高度压缩的文件可能很小,却含有过多像素。工具会检查文件内容,而非只看扩展名:把 PDF 改名为 .png 不会使它变成图片。动画 PNG 和动画 WebP 不受支持。文件损坏或无法安全读取尺寸时,即使标示大小未超限,也可能失败。
| 检查项 | 接受的输入 | 处理方式 |
|---|---|---|
| 格式 | 单张静态 JPEG、PNG 或 WebP | 导出为支持格式的静态图片;仅改文件名不够。 |
| 文件大小 | 不超过 25000000 字节 | 裁去无关区域,或导出大小合适的图片。 |
| 总像素数 | 宽 × 高不超过 24000000 | 除了文件大小,也要检查像素尺寸。 |
| 最长边 | 任一边不超过 12000 像素 | 先用其他工具将超长截图分段或裁成清晰可读的区域。 |
让 OCR 模型与印刷文字语言对应
选择器提供十种识别语言,每次使用一种:英语、法语、德语、意大利语、葡萄牙语、西班牙语、简体中文、印地语、阿拉伯语和孟加拉语。请选择图片中实际文字的语言。界面语言有对应模型时,页面会默认选择它;印度尼西亚语和乌尔都语界面默认使用英语,因为此工具没有这两种语言的 OCR 模型。
网站界面语言与“印刷文字语言”是两个不同设置。虽然没有意大利语界面,仍可选择意大利语识别。简体中文选项不代表提供单独的繁体中文模型,阿拉伯语选项也不是乌尔都语模型。工作区没有自动检测语言或混合多种语言的设置。多语言材料可能需要分别裁剪,或改用明确支持所需语言的处理方式。
| 印刷文字语言 | 模型标识 | 与界面语言的关系 |
|---|---|---|
| 英语 / 法语 / 德语 | eng / fra / deu | 各自的对应界面默认选择该语言模型。 |
| 意大利语 / 葡萄牙语 / 西班牙语 | ita / por / spa | 意大利语可用于 OCR;葡萄牙语和西班牙语也有对应界面。 |
| 简体中文 / 印地语 | chi_sim / hin | 中文和印地语界面分别默认使用这些模型。 |
| 阿拉伯语 / 孟加拉语 | ara / ben | 阿拉伯语和孟加拉语界面分别默认使用这些模型。 |
| 印度尼西亚语 / 乌尔都语 | 此处没有对应模型 | 这些界面默认使用英语,不会额外增加本语言的识别能力。 |
了解哪些操作会改变已有文字
更改“印刷文字语言”会保留当前文本,并清除旧错误提示。它不会重新运行 OCR,也不会翻译编辑框中的内容,因此你可以保留修改结果并准备下一次设置。点击“识别文字”才会开始新任务,此时旧文本会立即清空;需要保留时,先复制或下载。
选择新文件也会清空上一次结果。识别期间,文件选择、语言选择和文本编辑会暂时禁用。完成后,该次结果留在编辑框中,直到你修改它或执行会清空它的操作。工具没有已保存任务历史或对比面板。若多张图片属于同一份材料,请分别保存核对后的结果,再自行合并。
先提高原图的可读性
使用清晰、文字与背景对比明显的图片。拍摄平整纸张时保持光线均匀,让相机尽量正对页面,避免文字上的反光和折痕形成的深色阴影。裁掉无关背景可能有帮助,但文字四周应留少量空白,避免截断附加符号、字母下伸部分或行首行尾。需要时,可先使用独立的图片裁剪工具。
把明显倾斜的文字摆正,并放大到便于检查小字的比例。放大已经模糊的图片无法恢复丢失的笔画细节;只改 DPI 标签也不会增加像素。此 OCR 面板没有裁剪、对比度或分辨率控制。与其反复识别同一张低质量图片,不如获取更清晰的原图,或单独提取相关区域。
检查透明背景和图片方向
图片解码器会处理方向元数据。识别前,工具按照解码后的像素尺寸将图片绘制到白色背景上,透明区域因此变成白色。透明底黑字可能正常显示,而为深色背景设计的白字可能消失。再次识别前,请导出带有合适对比色背景的图片。
引擎会尝试在识别时处理旋转,但不能保证正确处理横倒、倒置或倾斜的文字。页面没有旋转控制,也不显示处理后图片的预览。结果不理想时,先在图片查看器中检查原图,再用其他工具按需旋转。调整方向后仍要核对新结果,不能据此认定所有识别问题都已解决。
纯文本也要核对阅读顺序
工作区输出可编辑的纯文本,不会重建页面设计、字体样式、电子表格单元格、插图或可搜索 PDF。换行可能有帮助,但它来自识别结果,并非原版面的精确复刻。对于双栏文章、价格表或表单,即使每个字看起来正确,词句顺序也可能与预期不同。
粘贴到其他文档前,确认标题和数值是否对应。若各栏混在一起,可分别裁剪后识别,再按需要重建表格。此工具不直接生成文档或电子表格格式;将下载文件改名为 .docx、.xlsx 或 .pdf 不会转换文件内容。
逐项校对重要数值和文字
将结果与原图并排核对。OCR 可能混淆相似字符、丢掉标点、改变附加符号或错误分词;一个看似合理的词也可能不对。页面没有置信度评分,识别成功也不证明每个字符正确。请特别检查姓名、产品代码、日期、总额,以及不属于所选模型常用文字系统的内容。
可用虚构收据 Invoice 4827 — Total 125.50 练习核对:检查每个数字、小数点,以及数值是否仍对应正确标签。原图不清楚时,不要因为某个值看起来合理就猜测修改;应寻找更好的图片或原始文件。复制或下载前,在“识别结果”中完成更正。
| 检查对象 | 可能出现的问题 | 核对方法 |
|---|---|---|
| 姓名和带附加符号的字符 | 看似合理的词替代了原姓名,或附加符号丢失。 | 对照原图逐个检查姓名,不仅依靠拼写检查。 |
| 数字和代码 | O / 0、I / 1 或缺失字符改变了数值或代码。 | 核对完整序列,包括开头的零和分隔符。 |
| 金额和日期 | 小数点、正负号或日期分隔符丢失。 | 结合附近标签与上下文检查符号。 |
| 表格和分栏 | 字符可读,却与错误的行对应。 | 检查阅读顺序,并自行重建所需结构。 |
导出编辑框中的更正结果
“复制”会把编辑框中的当前文本连同修改和换行写入剪贴板。成功后按钮显示“已复制”;编辑文本会让按钮恢复原标签。剪贴板访问失败时,页面会提示选择文本后复制。你可以使用编辑框的普通选择功能及浏览器或系统的复制命令,也可以下载文字。
“下载文字”根据当前文本生成 UTF-8 编码的 recognized.txt。由浏览器决定保存位置或询问你。文件不会包含原图,也不会重建版式。识别正在运行或编辑框为空时,复制和下载按钮不可用。再次复制成功后,旧的剪贴板警告会清除。
区分本地识别与资源下载
OCR 在浏览器工作线程中处理所选图片,不会把图片或识别出的文字上传到 OCR 服务器。引擎和所选语言模型从 ToolMellow 自身站点加载。因此,虽然字符识别在本地完成,首次运行仍可能需要下载资源。每个任务只使用所选模型,不会为一次任务下载全部语言。
本地 OCR 不等于网站完全没有网络请求。页面、脚本、字体、OCR 文件及普通站点分析功能仍可能加载。不要假定工具可以无限期离线使用,或模型会永久保存在设备上。复制把文本放到剪贴板,下载则生成由你管理的独立文件。重新加载页面会丢失编辑状态;工具不提供恢复历史,也没有安全擦除保证。
正确理解进度与取消操作
运行期间,页面显示“处理中…”及进度百分比。引擎和模型初始化时,识别尚未推进,数值可能停在零。百分比表示任务活动进度,不是置信度评分,也不是可靠的剩余时间估计。图片大小、可用内存和资源加载都会影响耗时;此工作区没有固定的识别截止时限。
“取消”会停止当前任务,并恢复操作控件。它不是可继续的暂停,不保留部分 OCR 输出,也不会恢复任务开始时清空的旧文字。重新运行会使用所选文件和语言从头识别。若加载似乎卡住,可取消任务、检查站点资源是否能加载,并在合适时改用较小但清晰可读的图片。
区分空结果和任务失败
“未找到文字。”表示本次任务没有返回空白字符以外的文本。检查图片是否含有清晰的印刷文字、语言是否匹配,以及透明背景上的白字是否在白底上消失。空结果不证明原图没有文字;也可能是当前图片与模型的组合无法读出它。
“无法完成。”属于更广泛的失败提示。输入不受支持或已损坏、超出限制、解码或内存问题,以及引擎或模型加载失败,都可能导致它。单看这条消息无法确定原因。按下表检查相关项目,并在换文件或重新运行前保存仍有用的编辑结果。
| 现象 | 先检查 | 下一步 |
|---|---|---|
| “识别文字”不可用 | 尚未选择文件,或任务正在运行。 | 选择支持的图片,或等待、取消当前任务。 |
| 未找到文字 | 空白图片、低对比度、错误模型或难以辨认的文字。 | 检查原图和语言,再尝试裁出清晰的相关区域。 |
| 无法完成 | 文件格式、三项限制及资源加载情况。 | 重新导出符合限制的受支持图片;必要时重新加载页面。 |
| 文字乱码或缺失 | 原图质量、印刷文字语言和阅读顺序。 | 对照原图修改编辑框;不支持的文字系统应改用其他方法。 |
| 剪贴板不可用 | 浏览器访问剪贴板失败。 | 选择文本后手动复制、下载,或再次尝试复制。 |
按实际需求选择后续工具
手写文字、签名及原样还原页面布局不在支持范围内。此工具面向十种模型语言的印刷文字,不执行翻译、条码解码、图示分析或文档语义解读。清楚的手写便条或乌尔都语页面也需要合适的其他处理方式,不能把相近语言当成对应模型。
处理 PDF 时,请使用单独的 PDF 转 Word 工具,并查看它自身的限制与输出行为;此图片工作区不接受 PDF 输入。需要先隔离文字区域时可用图片裁剪工具,核对提取结果后可用字数统计工具。根据实际需要选择下一步,例如保留已核实的文字、重建文档或转换成其他格式。
常见问题
可以使用哪些图片格式?
每次选择一张静态 JPG、PNG 或 WebP。动画 PNG/WebP 和不支持的内容会被拒绝。更改扩展名不会转换文件;看似正常的文件若已损坏或无法安全解码,也可能失败。
图片大小有哪些限制?
文件最多 25000000 字节,总计最多 24000000 像素,任一边不超过 12000 像素。三项限制同时适用,仅满足文件字节上限还不够。
有哪些 OCR 语言可选?
英语、法语、德语、意大利语、葡萄牙语、西班牙语、简体中文、印地语、阿拉伯语和孟加拉语。每次选择一种与印刷文字匹配的语言;没有自动识别或多语言组合选项。
乌尔都语和印度尼西亚语界面能识别对应语言吗?
界面语言不会增加 OCR 模型。这两个界面默认使用英语,此处没有乌尔都语或印度尼西亚语识别模型。阿拉伯语模型也不是乌尔都语模型。请选用明确支持图片中语言的方法。
更换印刷文字语言会翻译已有文本吗?
不会。它只设置下一次识别使用的模型,并保留编辑框内容。要重新读取图片,需要点击“识别文字”;新任务会替换旧文本,所以请先保存更正结果。
能识别手写文字或保留表格吗?
不支持手写识别或原样还原版面。输出是纯文本,表格和分栏的阅读顺序可能不正确。请检查并重建需要的结构。
为什么结果为空?
引擎可能无法从所选图片和模型中读出文字。请检查语言、对比度、清晰度和背景。透明图片会绘制到白底上,浅色字可能因此消失。
百分比表示 OCR 准确率吗?
不是,它表示进度,初始化时有时会停在零。页面不显示置信度评分,任务完成也不保证文本正确。
点击取消会怎样?
当前任务停止,操作控件恢复。工具不提供可继续的暂停,也不恢复部分结果。识别开始时清空的旧文本不会回来。
图片和提取的文字会上传吗?
经检查的 OCR 流程在浏览器中处理它们,不会发送到 OCR 服务器。页面及所选 OCR 资源仍从站点加载,普通网站请求也可能发生。本地处理不代表永久离线可用。
下载文件会包含我修改的内容吗?
会。复制和下载都使用编辑框中的当前文本。下载的是 UTF-8 纯文本文件 recognized.txt,不含原图,也不会重建原页面版式。
换图片或重新加载页面后能恢复文字吗?
工具没有已保存任务历史。选择新图片、开始新识别或重新加载页面都可能清空当前文字。执行这些操作前,请复制或下载要保留的修改结果。