今天下雨，主线工作又不太忙，继续之前的副本工作。
我之前收藏了很多看起来很有意义的图片，大多是纯文字的长图，有些图片太长导致看文字很麻烦，保存倒容易，缺点是不能检索图中的关键词。今天试着把它们用 python OCR，效果很好。借助 Deepseek 生成主程序语言，安装和调试识别工具后，很快就得到了结果。
记录一下整个工作过程，希望能给你带来一些思考。整个过程分三步。
①，准备工作。用到的程序和训练数据文件。
tesseract-ocr-w64-setup-5.5.0.20241111
github.com/UB-Mannheim/tesseract/wiki(镜像站)
tessdata，github.com/tesseract-ocr/tessdata
文本编辑器，我用的是 Notepad++
还要用 cmd 或 Power Shell
②，安装 Tesseract-OCR。安装时要选中文语言包，也可以自行在仓库中安装，配置好环境变量方便调用。
③，识别并调整格式。一开始测试，我只识别了一张。对于纯机打文字的图片内容来说，几乎秒识别，格式也保持图片上的文字格式。
但是，对于手写文字和带背景（无论是简单的文字变浅，水印，大范围的复杂背景）的图片，识别准确率都明显下降。后续如果做专业的图像识别和机器学习方向的研究，要预先对图片进行处理后，才能得到更准确的内容。
输出的 txt 文档中每个文字后都跟了一个空格，这个问题我还没有反馈给大模型，应该可以在程序中直接处理掉。
单图测试结束后，对于批量图片的识别也可以秒出结果。测试过程中出现的任何问题，只要喂给 DS ，在自行调整后都能得到解决。
一张图像中会包含很多信息，不同的编码，字体，背景，格式，甚至回车键的使用，都会产生不同的变量，导致机器识别出不同的结果。我相信在 AI 的帮助下，图像识别进程肯定会加速向前；在硬件和软件的帮助下，人的工作效率也会大增。
