简介：图片文字保护常被理解为“让文字无法识别”，但更稳妥的思路是让自动OCR系统误判为已经完成检测，从而跳过关键区域。本文从对抗识别流程的角度，梳理大字藏小字、小字藏大字、模糊处理与缩放干扰等方法的适用场景、实现逻辑与局限，帮助读者在不影响人工阅读的前提下，降低自动化文字抓取的有效性。
在日常工作中，很多人希望图片能够被正常查看，却不希望其中的文字被自动化OCR系统完整抓取。常见做法是直接模糊、加噪或遮挡，但这些方式往往会牺牲人类的可读性。更具技术含量的思路，是利用OCR识别流程与人类视觉感知之间的差异，构造一种“对人可读、对机器误导”的画面。
本文不讨论如何攻击特定系统，而是从图像文字识别的一般处理逻辑出发，分析几种降低自动OCR识别有效性的方法，以及它们各自的适用边界。
许多人对“防止OCR识别”存在误解，认为必须让图片中的文字完全无法辨认。实际上，对于自动化文字抓取场景，更现实的目标是让OCR系统产生错误结果、漏检关键区域，或让后续依赖识别文本的业务流程失去价值。
这背后的逻辑是：OCR系统通常按照固定流程工作，包括文本检测、区域切割、字符识别、后处理纠错等。只要能破坏其中某一环节，就可能造成整体识别失败。而人类阅读并不依赖这些流程，因此可以设计出对机器干扰大、对人影响小的图像处理方式。
一种比较灵活的方案，是在同一画面中同时嵌入不同字号的文字，使OCR系统在检测阶段就产生矛盾。实际操作中可以分为两种方向。
这种方案适用于OCR系统对整体版面检测能力较强的情况。具体做法是，使用较大字号显示一段正常可读的内容，而在大字之间的空隙中，嵌入非常小的文字。小字可以沿大字笔画边缘或行间排布，字号通常远低于常规正文。
当人类查看图片时，注意力会自然落在大字上，小字容易被忽略。而部分OCR系统为了提高召回率，会尝试检测极小文本，导致两种层级的文字同时进入识别流程。识别结果中可能混入大量噪声，或者系统误将小字区域当作已经处理的目标，从而降低对真正关键文字的提取质量。
当OCR系统对小文本检测能力较强，而大尺度版面理解较弱时，可以反过来使用小字作为主要干扰层，将关键大字嵌入其中。此时，小字承担吸引识别注意力的角色，而真正希望被隐藏或不被整段提取的内容，以大字号形式出现在画面中。
这种方式的原理在于，一些识别系统在处理混合字号时，会在区域划分阶段出现问题。大字号文本可能被切成不完整的片段，或者在排序时与小字混淆，最终输出的文字顺序混乱，无法形成有价值的信息。
文字识别通常依赖行与字的规则排列来划行。通过刻意改变行间距或字间距，可以让机器产生错误的分行判断。
例如，将两行文字的间距设置得极小，甚至互相交错。人类可以依靠语义和视觉经验分离文字，但自动检测算法可能将其合并为同一行。相反，也可以把同一行文字拆成多个片段，配合不同的字间距，使系统认为它们属于不同区域。
这种处理方式不会明显影响人眼阅读，却能让识别输出的内容失去原有的段落结构。尤其是对于依赖版式分析能力的OCR系统，结构混乱会显著增加后处理难度。
加高斯模糊或添加噪声是最常见的思路，但这种方法的适用性有限。原因在于，模糊处理往往也需要人类判断哪些区域需要模糊。如果整张图被统一模糊，虽然能降低机器识别率，但人类也难以阅读，失去了“对人可读”的前提。
更重要的是，如果攻击方或平台在识别前会自动进行图像增强，模糊可能反而被去模糊或锐化算法抵消。因此，单纯依赖模糊并不稳定。更好的做法，是把轻微模糊与其他干扰手段结合。例如，仅对局部区域做轻微模糊，同时在该区域叠加小字或改变字距，让去模糊后的文字仍然无法形成完整语义。
图像分辨率对OCR效果有直接影响。过低的分辨率会导致字符特征丢失，过高则可能增加检测噪声。实践中，可以通过调整图片导出尺寸，使文字处于识别模型训练分布之外的尺度范围。
例如，将文字高度控制在某个临界值附近，使检测器有时能够发现、有时无法发现。这种不确定性会降低自动化抓取的稳定性。需要说明的是，这种做法并不保证一定成功，因为不同OCR系统的适用尺度范围不同，通常需要尝试后确定参数。
一些OCR流程在正式识别前会对图片进行预处理，包括灰度化、二值化、去噪、倾斜校正和增强对比度。因此，仅针对原始图片做干扰可能不够，还需要考虑经过预处理之后，干扰仍能保留甚至增强。
比如，某些小字在原始图中较隐蔽，但在增强对比度后反而更明显，这样反而会被OCR识别。因此，在设计干扰方案时，最好模拟一遍常见的预处理流程，观察干扰是否仍然有效。若发现预处理会消除干扰，可以调整字号、灰度或排布密度，使干扰在预处理后继续存在。
由于不同OCR系统的处理流程不尽相同，很难找到一种通用方法。实际使用时，往往需要基于目标场景进行试错。可以先准备一张包含关键文字的测试图，再逐步调整字号、间距、嵌套关系与图像增强参数，观察识别结果的混乱程度。
判断成功与否，不是看是否识别出全部文字，而是看识别结果中是否出现了关键信息的丢失、错位或混入大量无关内容。例如，某些嵌套方案会让人眼轻松读取大字内容，但识别输出中却混入了小字噪声。只要噪声足够多、关键内容顺序被打乱，自动化抓取的价值就会明显下降。
这类方法主要应对的是通用OCR流程，并不针对经过专门训练的识别模型。如果某个系统已经针对多尺度文字嵌套、伪结构排版等干扰方式做过训练，那么干扰效果可能大大降低。
同时，这些方法并不适合需要严格访问控制的场景。它们只增加自动化抓取的成本和不确定性，并不能彻底阻止有明确目标的对手。只要允许人工查看图片，就无法完全防止有人手动识别或通过其他方式提取文字。
因此，更合理的定位是：将这类手段作为图片文字保护中的一种辅助策略，而不是唯一的防护措施。
避免图片文字被OCR识别，不应该只停留在“让文字看不见”的阶段。更有效的方法，是理解OCR系统处理图像文本时的一般流程，利用检测、分割、识别和后处理环节中的天然局限，设计出适合特定场景的干扰方式。
大字藏小字与小字藏大字提供了灵活的字号组合思路；行距和字距的调整可以破坏版式判断；轻微模糊与噪声需要避免一刀切；分辨率控制则增加了识别的不确定性。最终，是否有效仍取决于具体系统的处理能力与预处理流程，需要在实践中不断验证和调整。
对开发者而言，这类技术实践不仅有助于理解OCR识别链路，也能为图片上传、内容分享、隐私保护、验证码设计等场景提供新的思考角度。通过控制识别结果，而不是单纯阻止识别发生，可以更平衡地兼顾人类可读性与机器抓取难度。