为什么直接呼叫界面的 OCR 应用要付费？听听白描开发者怎么说

很多人觉得做一个 OCR 软件有什么难的，现在百度、腾讯、Google那么多商用界面，我呼叫一下界面就好呀。确实，呼叫界面确实能完成这个事，但是要把这件事做的更优秀，那还是有很多事需要自己做的。

使用第三方的 OCR 界面，要把图片传到他们的服务器，然后返回识别结果，上传之前，压缩图片就是一个方面，你肯定不能拿原图上传，一张图体积有 4M-5M，传上去就得一会，所以白描可以做到将一张大图压得很小又能维持清晰度，既保证了传输速度又保证了识别质量。

有的使用者反应在使用白描的过程中，他是直接拍摄电脑屏幕，识别结果超级不准确，后来发现就是屏幕上的一片片波纹干扰了文字，实际用眼睛看的时候好像没看出什么来，但是把图的预览区域使劲缩小，就能看出很明显的一堆堆的波纹，我们也经过研究进行了适当的波纹优化，即时拍摄的屏幕有很多干扰条纹。也会把他们过滤掉，依然可以保证结果。

如果有人用过一些 OCR 界面，可能都知道太长的图根本没法识别，那就要把长图裁剪成很多图去识别，识别完了再把结果拼接起来，但是长图裁剪这个事要让使用者来手动裁吗？那太累了！所以我们研究了一套自动切长图的技术，可以自动检测到文字位置和空行位置，自动的裁剪开，不会把文字切开，所以在白描里，你什么都不用干，长图直接扔过去识别就行。

在纸很薄的情况下，背面的字会透出来，这样就造成了识别的时候可能会把纸背面的字当内容去识别了，白描当然也提供了解决办法，通过黑白色彩切换，可以很轻易的去除透出来的字或者其他杂乱背景。

目前的 OCR 界面都是一行一行的返回结果，所以要想后期编辑方便，需要自己做上自动分段的功能，白描就针对这个需求做了优化，当然目前只是针对普通文章的分段，排版复杂的还是会有不准确。

很多人有识别多样化排版的文字需求，比如报纸那种排版，东一块文字西一块文字，他就想选需要的几块，那怎么样更方便呢，这就可以使用自由选区的功能，把需要识别的部分画出来，白描就会按照画的顺序去识别啦。

拍一个档案肯定不能做到完全按档案边缘拍出来，如果就需要档案那部分，就要手动裁剪一下，那怎么样让这个行为更方便一些呢？我们可以自动寻找档案边缘，这样直接一裁就可以啦。

先简单说这么几个针对 OCR 识别方面的技术上的小优化，但其实白描能做的还有很多，比如自动检测文件边界生成扫描件，切换扫描件的多种色彩，批量处理，表格识别汇出 Excel，生成 PDF，翻译等等。

除了针对 OCR 需要用的技术，关键还有成本啊！很多人可能比较关心白描呼叫百度 OCR 的成本有多少？其实，白描不只有呼叫 OCR 的成本啊，还有呼叫翻译服务的成本。这里先只说一下 OCR 成本，平均下来白描每天呼叫的 OCR 次数大概有 12 万次，这一部分的成本真的是不小。

很多 App 整天盼著日活高一些啊，增长多一些啊，我还真的是盼著的是你们不要那么活跃啊，哈哈哈（付了费后不那么活跃就更好了