用手機相機做 OCR，準確度取決於什麼

文字辨識是靠比對字形來運作的。在彎曲的頁面上，同一個字靠近外側邊緣時顯得較高，靠近裝訂邊時則被擠扁，模型如果得猜哪個是哪個，就容易出錯。先把頁面展平，同一行的每個字就會恢復相同的比例。這是影響最大的關鍵，也是 vFlat 先展平頁面、再進行辨識的原因。

現代手機相機的解析度遠超過辨識所需，它無法掌控的是室內的光線。來自側面、均勻柔和的光線能拍出清楚的筆畫；單一的強光燈則會在亮面紙上造成反光，還會讓您的手或手機的影子落在文字上。如果掃描結果辨識不佳，該移動的是書，而不是去調設定。

透視會自動校正，但填滿畫面的頁面，每個字分到的畫素就是比只占畫面一角的頁面多。靠近一點，讓手機大致與頁面平行，再讓自動偵測找出邊緣。

辨識支援超過 100 種語言，混合語言的頁面——例如夾雜英文術語的韓文、夾雜數字的日文——也能順利辨識。不過選好正確的語言還是有幫助：模型會把判斷力集中在您實際使用的文字上，而不是分散到它認得的每一種文字。

辨識完成後，在掃描檔中搜尋幾個您確定在頁面上的字詞——分別位於頁面上方、裝訂邊附近和下方邊緣。如果都找得到，這一頁就沒問題。如果有些找不到，問題幾乎都出在拍攝階段——陰影、反光，或頁面沒有壓平——重拍一次會比事後任何修正都快。