图片批处理:压缩、OCR、去水印、抠图,四个需求一次说清
相册整理、文档扫描、电商素材、社交媒体发图 —— 看着都是"处理图片",但拆开看是四种完全不同的技术活:
- 压缩:减小体积,尽量看不出损失
- OCR:把图里的文字变成可编辑文本
- 去水印:把别人加的水印/logo 抹掉
- 抠图:把主体从背景里分离出来
这四件事的原理不一样、失败模式也不一样,我分开讲,因为混着做很容易白忙。
一、压缩:先搞清"压缩的是什么"
一张图压下来体积小了,是因为它内部的某些数据被精简了。具体精简什么,取决于原图的内容。
照片类(有丰富的色彩和细节):主要靠重新编码 + 降低采样。肉眼在屏幕上几乎看不出差别,体积能降到原来的 1/5 左右。
截图 / UI 图(大面积纯色 + 少量文字):这类图重新编码效果极好,因为纯色区域压缩率非常高。而且它有大量锐利的文字边缘,损失 JPEG 质量会在文字边缘出现"毛边"。
透明背景 PNG:这是压缩的重灾区。PNG 用无损压缩,大面积透明区域压缩不掉。而且哪怕只有一个像素不透明,整张图就得以 RGBA 模式存。如果只是要缩小尺寸,其实转成更小的 PNG 或 WebP 就能大幅减小。
扫描文档:这类图有大量文字,纯色背景其实更适合用"灰度 + 高压缩"的策略,但要注意别把文字压糊 —— 扫描件上的小字一旦糊了就没法 OCR 了。
我的经验:压缩要设一个"可接受底线",而不是追求最小。我一般是压到 200KB~500KB 之间,看清不糊为准。
二、OCR:分辨率决定准确率,不是算法
OCR 的准确率,八成取决于输入图像质量,两成取决于算法。
分辨率是第一因素。很多 OCR 失败,不是识别不出来,是图太糊了。
拍摄角度和光照:手机拍文档,尽量正对、光线均匀。倾斜 15 度以上,或者有阴影压住文字,识别率会明显下降。
复杂背景:文字压在花纹上、或者背景有其他文字,OCR 会混在一起。
中英文混排:现在多数工具处理得不错,但要注意艺术字、竖排文字。
操作建议:OCR 之前先裁剪 —— 只保留要识别的区域,裁掉大片空白,识别速度和准确率都会提升。
结果一定要校对,尤其是数字和专有名词。我见过 OCR 把 "0/O"、"1/7"、"5/S" 认错的,这在合同或发票场景里是致命的。
三、去水印:分两类,处理难度差很远
半透明平铺水印(很多图库素材那种斜着铺满全图的):这类最好处理。因为水印覆盖的区域下面通常还有真实内容 —— 常见的做法是:找出水印覆盖的像素,用周围没被覆盖的区域做插值补上。
实心色块 / Logo 遮挡:这就有难度了。Logo 盖住的部分是真的没了 —— 你必须决定是"填一个合理的内容"还是"裁掉这块"。这里没有技术捷径,通常要靠 inpainting(生成式填充)或者手动修补。
实用建议:
- 优先找没有水印的原图(很多工具的免费版会加水印)
- 用截图、翻拍等方式重新获取干净的图
- 如果一定要处理实心 Logo,AI 修图(inpainting)能给出多个候选,选一个最接近的
四、抠图:边缘是难点
抠图(去背景)的原理是分割 —— 判断每个像素属于主体还是背景。难点全在边缘:
- 头发丝、宠物毛发:半透明、细密,算法最容易在这里出错,抠出来毛边明显
- 半透明材质(玻璃、纱、烟雾):本身"部分透明",没有明确的边界
- 主体和背景同色:比如白衬衫白背景,没有对比度,算法无从下手
对付毛边的技巧:抠完别直接用,在边缘做一圈轻微羽化(羽化半径 1~2 像素),毛边会自然很多。
对付复杂背景:先用工具把背景简化(比如纯色背景),再抠图,准确率会高很多。
对付玻璃/半透明:这类不适合硬抠图,直接保留原背景 + 整体调色更自然。
一次做完四个需求
实际操作中这四件事常常一起出现:一张电商图,要压缩体积、要抠掉背景、要加水印防盗、还要 OCR 提取商品信息。
我现在用一个 图片处理工具 把压缩、格式转换、OCR、加水印这些放在同一个页面,批量处理的时候不用来回切工具、反复导出导入。批量场景尤其省事 —— 一次拖一批进去,统一设参数,一起下载。
常见误区
- "无损压缩"不等于文件不变小。完全无损意味着文件大小不变,所以宣传"无损压缩"的其实是"有损但肉眼无感"
- 压缩后再 OCR 会掉准确率。顺序应该是先 OCR 拿数据,再压缩
- 去水印涉及版权。自己的图随便处理,别人的素材去水印是侵权
- 批量处理别用在线网站传敏感图。合同、证件、病历这类,浏览器本地处理才放心
这些活儿本身不难,难的是知道每一步的边界在哪儿 —— 什么该用工具解决,什么得靠手动判断。