图像截屏公式识别——LaTeX-OCR安装与使用

一、简介

LaTeX-OCR 是一个开源的光学字符识别（OCR）软件，专为 LaTeX 文档提供支持。其主要目的是帮助用户将扫描的文档转换为 LaTeX 编辑器可以使用的可编辑文本，从而方便进行修改、编辑和排版。LaTeX广泛用于科技、数学、工程等领域的文档编写。而 OCR 技术则用于将图像中的文字转换为计算机可编辑的文本。LaTeX-OCR 的结合使得用户能够更方便地将扫描得到的文档内容转换为 LaTeX 格式，为文档的后续编辑和排版提供了便利。

1. 高精度 OCR： LaTeX-OCR采用先进的OCR技术，能够高度准确地识别扫描文档中的字符，并以文本形式输出。这确保了转换后的文本质量，为后续编辑提供了可靠的基础。

2. 支持 LaTeX 格式： 该软件专门为LaTeX文档设计，能够保留源文档中的LaTeX语法和格式。这意味着输出的文本与原始LaTeX文档一致，用户无需额外的格式调整。

3. 多语言支持： LaTeX-OCR支持多种语言，包括英语、西班牙语、德语、法语等主流语言。这使得它适用于全球范围内的不同语言环境，提高了灵活性和实用性。

4. 易于使用： 软件提供直观的用户界面，使用户能够轻松导入扫描文档、选择适当的设置，并以最少的步骤完成OCR过程。用户友好的设计有助于提高效率，降低使用门槛，使更多人能够受益于该工具。

二、环境安装

LaTeX-OCR可以从源码进行安装，也可以直接用pip来安装，源码地址：https://github.com/lukas-blecher/LaTeX-OCR，我这里直接使用pip进行安装，为了方便管理环境，这里使用conda创建虚拟环境。

1.环境安装

conda create -n latex python=3.10
activate latex
pip install "pix2tex[gui]"

2.启动与使用

latexocr

第一次启动的时候，它会去下载两个模型，可能会很慢，等等就可以，如果下载不下来，可以直接去官网下载后，放到指定的目录。

启动完成之后，出现UI交互界面，使用快捷键或者直接点击截屏识别：

3.识别

识别一个复杂一点的公式，如果识别得不精准，可以自己手动调节Temperature值：

下面是生成的LaTeX 表示方法，把它复制到支持LaTeX 表示方法的编辑器就可以不用那么麻烦自己去输入各种符号了

$L_I=?\frac{1}{N}{\sum }_{i=1}^N{|}_{\mathrm{Og}}\frac{\exp (\mathrm{sim}(z_i^I,z_i^T)/\tau )}{{\sum }_{j=1}^N\exp (\mathrm{sim}(z_i^I,z_j^T)/\tau )}$

4.代码调用

from PIL import Image
from pix2tex.cli import LatexOCR

img = Image.open('path/to/image.png')
model = LatexOCR()
print(model(img))

作者指出，该模型在较小分辨率的图像上表现最佳。为了提高其效果，添加了一个预处理步骤。在这一步中，另一个神经网络会预测输入图像的最佳分辨率。随后，定制图像会被自动调整大小，以更好地匹配训练数据的特征。这个方法旨在提升模型在真实场景中遇到的图像的性能。然而，需要注意的是，该模型可能不能在处理极大图像时达到最佳效果。因此，在拍摄图片之前，不建议进行过度放大。

5.处理步骤