圖片轉文字辨識不準？提高 OCR 準確率的拍照與裁切技巧
約 4 分鐘艾迪爾工作室
OCR（光學字元辨識）就是把圖片裡的字「讀」出來變成可以複製、編輯的文字。講義、合約、截圖、看板，拍下來就能轉成文字，省掉重打的時間。
很多人第一次用會覺得「錯字好多」。其實大部分 OCR 引擎在乾淨的印刷文件上都相當準，錯誤多半來自原圖：字太小、拍歪了、有陰影、選錯語言。下面依影響大小排列，一項一項改善。
1. 先選對語言
這是最容易被忽略、影響又最大的一項。OCR 會依照你選的語言去比對字形，選「英文」去辨識中文文件，結果一定是亂碼；中英夾雜的文件只選中文，英文單字也會被硬拆成奇怪的中文字。
- 純繁體中文：選繁體中文。
- 中英夾雜（技術文件、菜單、名片）：同時選繁體中文與英文。
- 簡體中文文件不要用繁體去辨識，字形差異會讓錯字暴增。
- 語言選太多也會變慢、變不準，只勾真的有出現的語言。
2. 字要夠大、夠清楚
辨識引擎看的是像素。一個中文字如果在圖片裡只有十幾個像素高，筆畫糊成一團，再好的模型也只能猜。經驗上，內文字高能有 30 像素以上，結果就會穩定很多。
- 拍整頁 A4 文件時，讓文件佔滿畫面，不要留一大圈桌面。
- 字很小的文件（合約附註、說明書）分成上下兩半各拍一張，比一張拍整頁準。
- 截圖時先把畫面放大到 125–150% 再截，而不是截完再放大圖片——事後放大不會多出細節。
- 對焦要清楚：手機點一下文字讓它對焦，拍完放大檢查字的邊緣是不是銳利的。
3. 正對、光線平均、沒有陰影
- 手機與紙面平行，從正上方拍。斜著拍會讓遠端的字變小、行變成斜線，辨識時容易整行錯位。
- 靠窗的自然光最好；用檯燈時從側前方打光，避免手機和手的影子落在紙上。
- 亮面紙或護貝過的文件容易反光，換個角度讓反光點離開文字。
- 書本靠近裝訂處的字會彎曲，用手輕壓攤平，或只拍單頁。
- 背景用素色桌面，跟紙張的顏色有對比。
4. 裁掉不需要的部分
圖片裡的雜物（桌面花紋、旁邊的另一頁、手指、Logo 圖案）會被當成「可能是字」去辨識，產生一堆亂碼行。辨識前把圖片裁到只剩要的文字範圍，結果會乾淨很多。
如果還是有雜訊行，可以利用每一行的信心度：信心度低的行多半是雜訊或圖案，用門檻一次濾掉，再看有沒有誤刪。
哪些內容本來就很難辨識
| 內容 | 難度 | 建議 |
|---|---|---|
| 印刷體橫排文件 | 低 | 照上面的方法拍，通常大部分正確 |
| 螢幕截圖 | 低 | 截圖前先放大畫面 |
| 直排中文（書籍、古文） | 中到高 | 一般 OCR 以橫排為主，直排容易亂序，要另外選支援直排的工具 |
| 表格 | 中 | 文字讀得出來，但欄位與格線不會保留，要自己整理 |
| 藝術字、招牌、手寫字體 | 高 | 字形與訓練資料差太多，錯字多 |
| 手寫字 | 很高 | 以印刷體訓練的 OCR 幾乎讀不出來 |
辨識完怎麼快速校對
- 先整體掃一遍，看有沒有整行錯位或漏行，這通常是原圖歪斜造成的，重拍比逐字改快。
- 中文 OCR 常把字跟字之間插進空白，用取代功能一次清掉（好的工具會自動處理）。
- 特別檢查容易混淆的字：「已／己／巳」「末／未」「日／曰」，以及數字 0 與英文字母 O、1 與 l。
- 數字、金額、日期、人名一定要對照原圖核對，這些錯了最麻煩。
站上的圖片轉文字工具使用 Tesseract 引擎，支援繁中、簡中、英文、日文、韓文，每一行都標出信心度，也會自動清掉中文字之間多餘的空白。辨識在瀏覽器裡進行，文件不會上傳——合約、證件這類內容，這點比辨識率還重要。
常見問題
- PDF 可以直接 OCR 嗎？
- 如果 PDF 本來就有文字層（可以選取文字），直接複製就好，不需要 OCR。掃描版的 PDF 要先把頁面轉成圖片再辨識。
- 為什麼中文比英文慢、比較容易錯？
- 中文常用字有好幾千個，英文只有幾十個字母與符號，比對的難度與資料量差很多。這是所有 OCR 引擎都會遇到的情況。
- 辨識結果會保留排版嗎？
- 一般只保留斷行，不保留字體、欄位與表格。需要原排版時，通常要另外用版面分析的工具，或辨識後自己排。
- 照片解析度越高越好嗎？
- 到一定程度之後就沒差了。重點是「字在圖片裡夠大」，而不是整張圖的像素數。拍得清楚、裁掉多餘的部分，比一味提高解析度有效。
參考資料
法規與平台規定可能調整，實際以官方最新公告為準。內容有錯誤歡迎寫信告訴我們。