SkillPedia Skills Encyclopedia
中文 EN
今日更新 2026-11-17 UTC

今天还没有新提交

查看更新动态

多媒体与 3D · 进阶

OCR(文字识别)

Optical Character Recognition

让电脑把图片里的文字认出来,变成可以复制、搜索和编辑的文本。截图、扫描件、发票都能这样处理。

多媒体与 3D 进阶 站内文案里出现过 2 次,涉及 1 个条目 464 字 约 1 分钟读完 43 次阅读

TL;DR三十秒版本

  1. 让电脑认图片里的字,变成能复制、能搜索的文本。
  2. 截图、扫描件、拍歪的发票都能这样处理。
  3. 手写体和拍得糊的图容易认错,重要内容要人工核。

Overview详细说说

OCR 全称光学字符识别,意思是让电脑看懂图片里的字。一张截图、一页扫描文件、一张拍歪了的发票,经过它处理就变成能复制、能搜索、能编辑的文字。识别结果通常是纯文本,可以继续交给检索、翻译或摘要工具处理。

图片里的字对人眼是字,对电脑只是一堆有颜色的点。要拿去做统计、检索,或者交给后面的程序处理,先得把这堆点还原成字符。对电脑来说,字形和字义都无从谈起,它做的其实是把图像里的形状对应回字符,手工再敲一遍又慢又容易错。

它通常摆在流程的最前面。先把图片或扫描件里的字取出来,再把纯文本交给后面的整理、翻译或生成环节。一条自动化的文档流水线,第一步往往就是它,后面的环节都靠它给出的文字。

别以为它一定百分百准。手写体、艺术字、倾斜拍摄、光线不足和低分辨率都会让识别出错,最典型的是把数字 0 和字母 O、数字 1 和字母 l 弄混。识别难度也跟语言和字体有关,常见印刷体和清晰扫描件通常最稳,重要的数字和专有名词,事后最好还是人工核一遍。

它和图像生成的方向正好相反:一个是从图里读字,一个是写字出图。前者把图像变成文本,后者把文本变成图像,用处也完全不同,别把两者说混。

Myths常见误解

  • 以为它认出来就一定对 手写、倾斜、光线差的图容易认错,数字 0 和字母 O 常混
  • 以为它和图像生成是一回事 一个是从图里读字,一个是写字出图,方向正好相反
  • 以为识别完就没事了 它是流程的第一步,后面的检索和翻译都得靠它给出的文字

In practice你会在哪用到它

  • 把一叠发票拍照,一次性转成能录入表格的文字
  • 看到图片里的一段资料,用识别工具取出来直接引用
  • 把扫描的老文件转成文本,再拿去翻译或搜索

Summary记住这几点就够了

  • OCR 把图片里的文字识别成可编辑、可复制的文本
  • 它常是流程的第一步,先把字取出来再交给后续处理
  • 手写体和低清晰度容易认错,关键内容要人工核对

常见问题

OCR(文字识别)是什么意思?

让电脑认图片里的字,变成能复制、能搜索的文本。截图、扫描件、拍歪的发票都能这样处理。手写体和拍得糊的图容易认错,重要内容要人工核。

OCR(文字识别)一般用在什么地方?

把一叠发票拍照,一次性转成能录入表格的文字;看到图片里的一段资料,用识别工具取出来直接引用;把扫描的老文件转成文本,再拿去翻译或搜索。

关于OCR(文字识别),最容易搞错的是什么?

以为它认出来就一定对,其实手写、倾斜、光线差的图容易认错,数字 0 和字母 O 常混;以为它和图像生成是一回事,其实一个是从图里读字,一个是写字出图,方向正好相反。

OCR(文字识别)要记住哪几点?

OCR 把图片里的文字识别成可编辑、可复制的文本;它常是流程的第一步,先把字取出来再交给后续处理;手写体和低清晰度容易认错,关键内容要人工核对。

容易踩的坑 重要的数字和专有名词别全信识别结果,人工复查一遍能省掉很多返工。

全站第 133 / 186 条 · 全部词条

接着读Related reading

接着去哪Explore more

回到技能本身

词典里讲到的这些概念,大多一条命令就能装进你的 AI 客户端。