图片转文字之前，先检查这张图是否适合识别

文字识别出错，不一定是选错了工具。同一页内容，拍摄角度、光线和文字大小稍有变化，识别结果就可能不同。

OCR 接收到的是图片中的像素，而不是纸面上的原文。输入时已经模糊、缺失或被遮住的笔画，不能指望在转换时自动补正确。与其反复识别同一张问题图片，先检查来源，往往更省时间。

先判断是拍摄问题，还是排版问题

识别失败有不同表现：有时是单字错误，有时字基本正确，段落顺序却乱了。两者需要不同的处理。

图片中的问题	可能出现的结果	优先处理
失焦、抖动、小字过小	笔画混淆，数字识别错误	重新拍摄或获取更清晰的原件
反光、遮挡、过曝	局部文字缺失	调整光线或移除遮挡后重拍
页面倾斜、透视变形	行顺序混乱，部分区域漏识别	调整拍摄角度或校正文档
多栏、复杂表格、图文混排	阅读顺序与结构错误	分区域处理，并人工整理

判断时可以放大原图，检查出错位置。如果人眼也无法确定某个字符，继续换识别设置未必能解决问题。

拍清楚整页，比把文件拍得很大更重要

一张十几兆的照片，也可能只有中央几行清楚。文件体积大，并不代表整页文字都具备足够的可读性。

拍摄时，尽量让页面平整，让镜头正对纸面，并让文档占据画面主要区域。拍完后不要只看缩略图，还应检查四角、页边和字号最小的部分。

如果页面上方清楚、下方模糊，或者靠近书脊的文字发生弯曲，单纯提高导出质量不会修正这些问题。能重新拍摄时，通常应先改善拍摄条件。

对扫描仪生成的文件，可以从合适的扫描分辨率开始；但对已有照片，仅修改 DPI 数值不会增加实际笔画信息。更有意义的是查看文字本身是否由足够清楚的像素构成。

裁掉无关区域，但不要贴着字裁

桌面纹理、旁边的纸张、黑色扫描边框，都可能混进识别范围。适当裁剪，可以让输入内容更明确。

使用图片裁剪时，应保留完整文字区域及少量边距，不要把裁剪框紧贴第一行或最后一个字符。表格还应保留表头、单位和必要注释，否则即使数字识别正确，也可能失去解释它们的依据。

倾斜也值得单独检查。文字行明显歪斜时，识别引擎对行的划分可能受到影响。Tesseract 的图像质量指南将倾斜校正和合理边距列为改善输入的相关措施。

不过，旋转与透视校正不是同一件事。页面拍成梯形时，仅把图片转正，并不能让各处文字恢复一致的比例。

反光和缺失笔画，不适合靠增强来猜

有些问题可以通过调整亮度改善，有些则意味着原始信息已经没有被记录下来。

纸面阴影较重时，文字可能仍然存在，只是与背景的区别不明显；反光把一片区域照成纯白时，那里可能已经没有可用的笔画。

同样，过强的黑白处理可能让细笔画消失，或者让相邻笔画粘在一起。处理后的页面更“干净”，不代表更适合识别。

AI 放大也不应当成为确认原文的依据。增强后的字符可能更像一个清楚的字，却未必就是原来的字。对于金额、编号和人名，能获取清晰来源时，应优先获取来源，而不是根据增强结果补写。

先用一页试出问题，再处理整批

批量识别前，可以选一张具有代表性的图片：既包含正文，也包含小字、数字或表格。先看它能否得到可用结果，再决定是否处理全部文件。

正文材料可以使用图片转 Word；主要内容是表格时，可以使用图片转 Excel。选择输出形式，有助于后续整理，但并不保证原版式完整重建。

试转后，不仅要读第一段，还应检查页面中间和末尾。连续阅读顺畅，也不代表编号、日期和小数点都正确。

如果同一类错误反复出现，例如页边总漏字、某一列总错位，先回到输入图片查原因。直接把整批文件跑完，可能只是把同一个问题复制到更多结果里。

识别前后，各做一次检查

识别前，确认这些基础条件：

• 页面完整，方向正确。
• 小字和四角清楚，没有明显抖动。
• 重要区域没有反光、遮挡或过曝。
• 裁剪范围合理，保留必要边距和说明。
• 使用清晰原图，而不是多次转发、截图或压缩后的版本。

识别后，再对照原图核查正文顺序、漏行，以及金额、日期、编号和专有名词。表格还需要检查每个值是否落在正确的行列。

DocCrunch 的图片转 Word在浏览器本地进行文字识别，但处理位置不会改变核对的必要性。原图负责提供依据，识别工具负责减少输入工作，最后的校对负责确认结果。

把输入准备好，通常比在错误结果上逐字修补更有效。需要保留的也不只是转换后的文档，还有那份能够随时对照的清晰原图。