图片转文字 · JPG JPG 转文字:照片、扫描件里的字识别出来
手机拍的文件、扫描页、存成 JPG 的截图:加入图片,选好语言,就能得到可以复制、保存的文字。小照片会先放大、暗照片会先反色再识别,全程在你的设备上完成。
- 照片不离开设备
- 中文、英文
- 小照片先放大
JPG 转文字
加入图片,选好图里的语言,点「识别文字」。第一次会下载识别引擎和语言数据,之后用浏览器缓存。
还没有图片。选择、拖入或粘贴图片,或者用示例图片试试。
中文数据约 1.6 MB,英文 2.8 MB,只下载一次。中英混排选「简体中文 + 英文」。
海报、表情包、App 截图这类文字东一块西一块的,选「零散文字」。
整理做了什么
Tesseract 识别中文时会在每个汉字之间加空格,还会保留图片里的每一次换行。工具会去掉汉字之间的空格、把英文里用连字符断开的单词接回去,勾选后还会把同一段的几行合并起来。
发 票 号 码 2026-118
感 谢 您 的 购 买 , 请 在
14 天 内 付 款 。
Invoice No. 2026-118
Thank you for your pur-
chase. Payment is due
within 14 days.发票号码 2026-118 感谢您的购买,请在 14 天内付款。
Invoice No. 2026-118 Thank you for your purchase. Payment is due within 14 days.整理只改空格和换行,不会改识别出来的字:认错的字还是错的,姓名、数字、金额一定要对照图片看一遍。
版本 v1.0更新于 更新记录
识别结果能信几分
文字识别(OCR)是按字形去猜每个字。印刷体清楚时很准;图片质量差时,会认错成看起来很像的字。
置信度
Tesseract 对识别出的词给出的平均把握,0–100。85 以上一般只有个别字错;65–85 会有好几处错;低于 65 要逐行对照图片看。
识别得好的
电脑或手机截图、导出的幻灯片、打印的文件、正面拍的小票,字高至少 20 像素左右。小图会自动放大,效果明显更好。
识别不好的
手写字、艺术字和很细的字体、花哨背景上的字、弯曲或明显倾斜的行,以及表格、表单、多栏排版这类复杂版面(阅读顺序可能会乱)。
中文和中英混排
语言要选对。「简体中文 + 英文」能处理夹着英文和数字的中文;只选英文会把汉字认成乱码,只选中文时英文单词识别会差一些。
PDF 里的字能用鼠标选中的,说明本来就有文字,用「PDF 转 TXT」直接提取,不会有识别错误。扫描版 PDF 先用「PDF 转图片」把页面转成图片,再放到这里识别。
四步把图片转换成文字
默认设置(自动版面、小图放大)适合大多数截图和扫描件。
-
1
加入图片
选择文件、拖进方框,或按 Ctrl+V / Cmd+V 粘贴截图。可以一次放多张,按顺序识别。
-
2
选语言
英文、简体中文、繁体中文,或中文加英文。第一次用某种语言时会下载它的数据。
-
3
识别
点「识别文字」。每张图片显示进度,识别完给出置信度。
-
4
核对并保存
对照图片检查一遍,尤其是数字和人名,然后复制,或下载成 .txt 文件。
识别前后,图片和文字经过了哪些处理
识别引擎是编译成 WebAssembly 的 Tesseract 5(tesseract.js),用它的 LSTM 神经网络识别器。工具按 Tesseract 文档的建议先处理图片,识别后再整理文字。
- 放大:长边小于 1200 像素的图片放大 2 倍,让字高达到 Tesseract 最擅长的 20–30 像素(放大后不超过 1600 万像素)
- 浅色背景:透明处当白纸;深色模式的截图(平均灰度低于 110 / 255)先反成浅底深字
- 灰度和黑白:Tesseract 自己会转灰度(0.299 × 红 + 0.587 × 绿 + 0.114 × 蓝,ITU-R BT.601),并用大津法(Otsu)选黑白分界。「先转成黑白」是提前做同样的事,对彩色纸上很淡的字可能有帮助,但我们实测会让很小的字变差,所以默认关闭
- 识别:Tesseract 先找出文字块和行,再用所选语言的 LSTM 模型逐行识别;轻微倾斜的页面会先摆正
- 整理:去掉汉字之间、中文标点前的空格;勾选「合并断行」时,同一段的几行接起来(汉字之间不加空格,英文单词之间加一个空格,用连字符断开的单词接回去)
| 语言 | 模型 | 下载大小(gzip) | 适合 |
|---|---|---|---|
| 简体中文 | tessdata_best 整数版 | 1.6 MB | 大陆的截图、文件、小票 |
| 繁体中文 | tessdata_best 整数版 | 1.6 MB | 台湾、香港的文字 |
| 英文 | tessdata_best 整数版 | 2.8 MB | 英文和夹在中文里的英文、数字 |
一张很小的手机截图
从聊天记录里截下的 600 × 300 像素一块,字高 14 像素,简体中文 + 英文,默认设置。
| 步骤 | 做了什么 | 结果 |
|---|---|---|
| 1. 放大 | 长边 600 < 1200,放大 2 倍 | 1200 × 600 像素,字高约 28 像素 |
| 2. 看背景 | 平均灰度远高于 110,不用反色 | 浅底深字,正是 Tesseract 擅长的 |
| 3. 识别 | 中文 + 英文 LSTM 模型,自动版面 | 文字和置信度,例如 88(高) |
| 4. 整理 | 去掉汉字间的空格,按需合并断行 | 可以直接复制或存成 .txt |
我们实测:一张 13 像素中文、略微倾斜的照片截图,不放大时只认对 58% 的字,放大后 81%;10 像素的英文截图从 94.5% 提高到 97.3%。「己 / 已」「未 / 末」这类形近字在小图里最容易认错。
图片转文字容易出错的地方
大部分识别不好,问题出在图片本身或语言设置,而不是引擎。
语言没选对
只选英文时,汉字会被认成一串乱七八糟的字母。图里是中文就选中文,中英混排选「简体中文 + 英文」。
字太小或太糊
只有几个像素高的字没法可靠识别。截图前先放大页面,拍照时靠近、正对着拍。
能选中文字的 PDF 也拿去 OCR
PDF 里能选中文字,说明文字本来就在。用「PDF 转 TXT」能原样提取,OCR 只会多出错字。
数字不核对就用
OCR 可能把 8 认成 B、把 1 认成 l,置信度看起来还不低。金额、日期、电话、单号一定要对照图片。
统计产品也是同样的隐私优先思路
这个工具在你的设备上读取图片。TapCub 统计也按同一个原则:只收需要的数据,不收个人信息。
拍的文件照片怎么转成文字?
光线充足、正对着拍,让纸张占满画面,把 JPG 加进来,选语言后点「识别文字」。阴影或纸张纹理干扰时,试试勾选「先转成黑白」。
JPG 画质会影响识别吗?
会。压缩得厉害的 JPG 在字的周围有杂点,容易认错。尽量用原图,微信等聊天软件转发过的图片被压缩过。
为什么照片识别出来是乱码?
通常是语言选错、字太小,或者拍得太斜。选对语言,裁得近一点,正对着拍。
手机上能把 JPG 转成文字吗?
能。用手机浏览器打开本页,点方框从相册选照片。识别在手机上完成,一次放很多张会比电脑慢。