使用光學字元識別技術從圖片中提取文字。將圖片中的文字轉換為可編輯的文字，準確率高。
工具功能
- 支援100+種語言識別: 基於 Tesseract.js OCR 引擎，支援中文簡繁體、英語、日語、韓語、法語、德語、西班牙語等超過100種語言的文字識別
- 即時文字提取: 快速識別螢幕截圖、照片、掃描文件中的文字內容，高精度提取，支援橫向和縱向排版的文字識別
- 隱私優先處理: 所有 OCR 識別處理在瀏覽器本地完成，採用客戶端技術，圖片和文字資料不上傳伺服器，保護隱私安全
- 可編輯文字輸出: 識別的文字完全可編輯和複製，提供每個識別字元和單詞的信賴度分數，便於校對和使用
使用方法
- 步驟1: 選擇包含要提取文字的圖片。
- 步驟2: 查看從圖片中提取的文字。
- 步驟3: 複製提取的文字以供使用。
生成原理
OCR技術和文字辨識演算法
OCR（光學字元辨識）使用電腦視覺和機器學習將包含文字的影像轉換為機器可讀文字。該過程包括：影像擷取（相機、掃描器、螢幕截圖）、預處理（降噪、二值化、傾斜校正）、文字定位（使用邊緣偵測、連通元件偵測文字區域）、字元分割（隔離單個字元）以及字元辨識（將模式匹配到已知字元）。現代OCR使用深度學習模型：CNN（卷積神經網路）用於特徵提取、RNN（遞迴神經網路）用於序列辨識以及注意力機制用於上下文。該工具實作Tesseract.js（Tesseract OCR引擎的JavaScript移植），提供：100多種語言的預訓練模型、基於LSTM的神經網路用於準確辨識以及每個辨識字元的信賴度分數。進階功能包括：版面分析（保留文件結構、偵測欄/段落）、手寫辨識（草書和印刷體樣式）以及多方向文字偵測（旋轉文字、垂直文字）。
影像預處理和增強技術
預處理透過在辨識前增強影像品質顯著提高OCR準確性。技術包括：灰階轉換（將彩色影像減少到單通道以簡化處理）、使用自適應閾值的二值化（Otsu方法轉換為黑白，將文字與背景分離）、使用濾波器的降噪（高斯模糊、中值濾波器去除斑點/偽影）、對比度增強（直方圖均衡化、CLAHE改善文字清晰度）以及傾斜校正（使用Hough變換或投影輪廓偵測和校正旋轉）。該工具實作OpenCV.js或基於Canvas的自訂處理，用於：將影像調整為最佳DPI（建議300 DPI用於文字辨識）、邊框去除（消除邊距改善文字定位）、形態學操作（膨脹/腐蝕細化字元形狀）以及邊緣偵測（Canny、Sobel識別文字邊界）。進階預處理包括：透視校正（修復相機畸變、扭曲的文件影像）、陰影去除（歸一化照明）以及超解析度（使用AI放大低品質影像）。
多語言支援和實際應用
OCR工具透過訓練模型和語言特定處理支援多種語言。該工具提供：語言偵測（自動識別文字語言）、語言包（特定語言的可下載模型，包括拉丁文字、CJK字元、阿拉伯語/希伯來語RTL文字）以及混合語言辨識（包含多種語言的文件）。實際應用包括：文件數位化（將紙質文件、書籍、收據轉換為數位文字）、輔助工具（為視障人士朗讀文字、螢幕閱讀器）、資料提取（發票處理、表單填寫、身分證掃描）、翻譯工作流程（為翻譯服務提取文字）以及可搜尋檔案（使掃描文件可搜尋文字）。最佳實踐包括：使用高解析度影像（最低150 DPI，300+ DPI最佳）、乾淨背景（避免複雜背景、良好照明）、清晰字型（無襯線字型比裝飾性字型更容易辨識）以及適當的預處理（調整亮度/對比度、去除雜訊）。匯出選項包括：保留結構的純文字、帶邊界框和信賴度分數的JSON、可搜尋PDF（在原始影像上疊加不可見文字）以及格式化文件（保持版面、字型樣式）。該工具服務於數位化筆記的學生、處理文件的企業、從歷史文字提取資料的研究人員以及建置自動化資料輸入系統的開發者。
常見問題
- 為什麼需要圖片OCR工具？
- 圖片OCR工具對於從圖片、截圖、掃描文件和照片中提取文字至關重要。它消除了手動輸入的需要，能夠快速數位化印刷材料，從圖片中提取文字用於編輯或翻譯，並有助於自動化表單和收據的資料錄入。OCR技術相比手動轉錄可節省大量時間並減少錯誤。
- OCR工具可以處理哪些類型的圖片？
- OCR工具可以處理各種圖片格式，包括PNG、JPEG、JPG、GIF、BMP和WebP。它適用於截圖、掃描文件、文字照片、手寫筆記（準確度因情況而異）、印刷文件和包含文字的數位圖片。該工具支援水平和垂直文字佈局，使其適用於不同類型的文件。
- 文字識別的準確度如何？
- OCR準確度取決於圖片品質、文字清晰度、語言和字體類型。具有清晰印刷文字的高品質圖片通常可達到95-99%的準確度。手寫文字、低解析度圖片或複雜佈局的準確度可能較低。該工具為每個識別的字元提供置信度分數，允許您識別和糾正潛在錯誤。圖像增強等預處理技術可以提高準確度。
- 支援哪些語言的文字識別？
- 該工具支援100多種語言的文字識別，包括英語、中文（簡體和繁體）、日語、韓語、法語、德語、西班牙語、義大利語、葡萄牙語、俄語、阿拉伯語、印地語等。您可以在處理前選擇識別語言，該工具還可以處理混合語言文件。根據您的選擇自動載入特定語言模型。
- 我的圖片資料是否安全處理？
- 是的，所有OCR處理都完全在您的瀏覽器中使用客戶端JavaScript（Tesseract.js）執行。您的圖片永遠不會離開您的裝置或上傳到任何伺服器。所有圖片處理、文字識別和提取都在瀏覽器記憶體中本地進行，關閉頁面時資料會被丟棄，確保敏感文件和圖片的完全隱私。
相關文件
- MDN - Canvas API - HTML5 Canvas API 圖像處理和操作
- MDN - 檔案 API - 在Web應用中處理檔案和Blob
- Web.開發 - 圖像優化 - Web圖像優化最佳實踐
- W3C - PNG 規範 - 官方PNG圖像格式規範
- MDN - 圖像檔案類型指南 - 圖像檔案類型和格式指南