系统自带的截图取字其实已经够用了。Windows 11 截图工具的「文本操作」、PowerToys 文本提取器，白底黑字抠几个字完全没问题；Umi-OCR 更是把批量、PDF、翻译都做全了。所以这篇不是劝谁换工具，只讲两个我反复踩到、现有工具不太顺手的场景，以及为此写的一个开源小工具。
一、深色截图为什么容易整行漏掉
我的编辑器、终端、大部分技术文档都是深色主题。框选一段代码或一段报错栈，常规 OCR 经常整行漏掉，或者只识别到一半。
原因不复杂：检测模型基本是按「白底黑字」训练的，深色背景配浅色字不在它的舒适区。以前的土办法是截图 → 丢进图片工具反色 → 再拿去识别，三步，还经常调不好对比度。
我在送进模型之前加了一层预处理，全部是本地图像运算：
- 整图平均灰度 < 100 → 自动反色
- 灰度标准差 < 45（浅灰字、水印字、低对比 UI）→ 对 LAB 的 L 通道再跑一次 CLAHE
- 小选区放大 2–3 倍 再送进模型
右图是代码里 _enhance() 对左图跑出来的真实像素结果，不是画的示意图。我故意没放「识别结果对比」——挑一张对自己有利的截图当准确率证据没什么意思，欢迎拿自己的深色截图实测。
二、剪贴板只记得最后一次
识别完粘贴到别处，过半小时想再要那段文字，只能重新截一次。现在每次识别都存进历史：关键词即时过滤、鼠标悬停浮窗看全文、双击再次复制，也能一键导出 txt / docx / pdf / md / xlsx。
改动很小，但用起来差别很大。
顺手做的功能
文件夹拖入批量队列（去重、上限 500 张）、PDF 逐页识别（带进度、可取消）、表格框选转 Excel、滚动长截图拼接、截图贴图钉在桌面、框选即译（11 种语言）。
识别引擎是 RapidOCR / PP-OCRv6，栈是 Python 3.12 + PySide6 + onnxruntime + OpenCV。1080p 全屏 CPU 大约 7 秒，小区域基本秒出。
几个不想含糊的地方
- 目前只有 Windows 10/11 x64 有可直接运行的二进制；Linux / macOS 可跑源码，但全局热键要 sudo 或辅助功能授权，长截图依赖 Win32 直接不可用。没有 macOS 版。
- 单文件 exe 约 160 MB，每次启动都要自解压；所以另外出了 onedir 结构的 7z 绿色包（约 114 MB），解压一次，之后直接运行、删文件夹即卸载。
- 程序未做代码签名，首次运行 Windows 会弹 SmartScreen。Release 页附了 SHA-256，介意的话可以
pip install -r requirements.txt && python entry.py从源码跑。 - 离线声明说准：内置简体中文模型，默认识别全程在本机完成、不上传任何数据；首次切换到繁中 / 英 / 日 / 韩时会联网下载对应识别模型（只下载、不上传），之后离线可用。另一处联网是可选的截屏翻译（文本发给必应翻译 / MyMemory，可在设置里关闭）。
最有用的反馈
不是劝谁换工具，系统自带的够用就继续用。如果你也常在深色 IDE 里抠代码，或者需要回头找之前识别过的内容，可以试试。
如果某个截图识别失手，最有用的反馈是：原始截图（去掉敏感信息）+ 你期望的文本 + Windows 版本，提到 issue 里，我照着调预处理参数。
- 仓库：github.com/q037180/Sna…
- 下载：github.com/q037180/Sna…
- 协议：MIT
（叫 SnapOCR 的项目有好几个，这个是 q037180/SnapOCR。）
