OCR 图片脱敏

OCR 为付费功能：免费版不含 OCR 引擎。

支持范围

• 独立图片：PNG、JPG/JPEG、BMP，固定输出为 PNG 格式
• 文档内嵌图片：Word / Excel / PPT 中嵌入的位图
• PDF 内嵌图片：提取内嵌图片 → OCR 识别 → 像素级覆盖后写回
• 扫描件 PDF：整页按扫描图处理，逐页 OCR

处理范围配置

在配置弹框「OCR 设置」中可配置三级白名单：

1. 文档格式：哪些文档格式启用内嵌图片脱敏
2. 图片格式：哪些图片格式参与识别
3. 图片尺寸：最小/最大边长过滤

未命中配置的内容一律原样跳过。配置存储于 data/ocr-config.json，保存后即时生效。

提示

「启用图片敏感信息识别与脱敏」开关未勾选时，下方三项配置全部冻结禁用。

覆盖精度

图片脱敏采用敏感子串级精确覆盖：仅对实际命中的敏感内容像素区域涂黑，而非整行或整个词框覆盖，最大限度保留其余内容的可读性。

工具箱（纯文字提取）

主界面「工具箱」提供独立的 OCR 文字提取工具：

• 左栏选择工具，中栏上传与勾选图片，右侧查看识别结果
• 支持批量识别：逐张串行处理，单张失败不影响后续
• 识别结果不持久化，可一键导出 TXT
• 置信度 ≤95% 的行以红色标注，复制时自动过滤百分比前缀

精度说明

OCR 识别存在固有精度噪声：

• 低质量扫描件可能漏识别部分敏感信息（建议处理前尽量保证扫描质量）
• 超小尺寸图片（边长 <100px）识别能力有限
• 少量错字不影响词框级规则命中与遮盖，系统以安全优先