截图识别比PDF文档识别 效果好

[jqwangai]

Issues

• [X] I have browsed through the Issues. 我已浏览过Issues，确定没有重复提问。

Umi-OCR version 程序版本

2.1.4

Windows version 系统版本

win11

OCR plugins Used 使用的OCR插件

PaddleOCR

Reproduction steps 复现步骤

识别文档中的“不寐”两字时，截图识别可以很容易的识别出来，而批量文档识别，却识别不出“寐”字，或者错识别出其它文字。

调大“限制图片边长”，也无法解决。 在处理其它文档时也有类似的问题。

请问，我在批量文档识别时，需要注意什么配置吗？或者需要对PDF做什么预处理操作。

Problem screenshots or related files (optional) 问题截图或相关文件（可选）

源文件PDF截图：

配置：

[hiroi-sora]

你已经选择为 整页强制OCR ，这样程序会用类似截图的原理获取页面图像来识别。你可以修改参数提高DPI来增加图片精度：

用记事本打开 Umi-OCR\UmiOCR-data\py_src\mission\mission_doc.py ，前面第19行有个：

MinSize = 1080  # 最小渲染分辨率

它表示将PDF渲染为图片时，最短边的边长。您可以调高此数值，如 MinSize = 2160 。

改完后保存、重启Umi。