图片隐写对抗OCR：大字藏小字与小字藏大字的攻防实践

一、问题背景：为什么需要对抗OCR

在文档分享、内容发布、资料流转等场景中，图片往往承载着核心文字信息。然而，随着OCR（光学字符识别）技术的成熟，任何一张包含清晰文字的图片，都可以在几秒内被自动提取为可编辑文本。对于需要控制内容传播范围的场景——例如内部资料预览、付费内容试读、版权素材展示——这种自动化采集能力带来了实实在在的困扰。

一个自然的思路是：能否在保留人类可读性的前提下，让OCR模型“看不见”或“看错”图中的文字？

本文讨论的正是这一类技术：通过排版层面的隐写手法，使OCR的检测与识别流程产生误判，而人眼阅读几乎不受影响。需要提前说明的是，该方法属于“对抗性排版”范畴，其有效性依赖于当前OCR模型的通用处理流程，并非绝对安全手段。

二、核心思路：用“已识别”欺骗检测模型

要理解这种方法，先要理解OCR的基本工作流程。典型OCR系统包含两个关键阶段：

1. 文本检测：在图像中定位文字区域，输出候选框。
2. 文本识别：对每个候选框内的内容进行字符识别。

许多OCR系统为了提升效率，会在检测阶段加入“去重”或“已处理区域跳过”的逻辑：如果某个区域已经被判定为文字并完成识别，后续扫描时可能不再重复处理。换言之，让OCR识别出一些文字，反而可能使它忽略同一区域内的其他文字。

基于这一观察，可以构造两种互补的隐写方式：

• 大字藏小字：画面主体是超大字号文字，小字号文字嵌入其中。OCR优先识别大字区域，小字被“覆盖”而漏检。
• 小字藏大字：画面主体是小字号密集文字，大字被拆散或弱化。OCR对小字敏感时，大字结构被忽略。

两种方式没有绝对优劣，需要根据目标OCR的检测偏好进行试错选择。核心调节参数只有三个：字号、行间距、字间距。

三、大字藏小字：实现与参数

3.1 基本构造

“大字藏小字”的思路是：用超大字号字符占据画面主要区域，在其笔画间隙或行间填充小字号文本。人眼在正常观看距离下，会优先注意到大字，但仔细看仍能辨认小字；OCR则容易把大字区域当作一个整体文本块处理，小字因尺寸过小或与大字重叠而被忽略。

3.2 关键参数组合

根据实践经验，以下参数组合具有较好的对抗效果：

大字字号	小字字号	行间距	字间距
300px	12px	1px	1px
400px	12px	1px	1px
200px	12px	1px	1px
400px	30px	0px	0px

参数说明：

• 大字字号决定画面主体的视觉权重，通常在200px以上。
• 小字字号需要足够小，使OCR的检测网络难以将其作为独立文本行处理；但也不能过小，否则人眼无法阅读。12px～30px是常见区间。
• 行间距与字间距压缩到0～1px，使小字排列更紧密，进一步降低被单独检测的概率。

3.3 填充顺序的优化

早期实现采用“全局从上到下、从左到右”的顺序填充小字，这会导致小字在跨越大字区域时出现断裂，人眼识别困难。更优的做法是按大字逐字填充：以每个大字字符为单位，在其周围或内部按顺序放置小字。这样小字的阅读路径更连续，人眼体验明显改善。

3.4 检测成功的判断标准

如果构造的是“大字中藏小字”的图片，那么当OCR输出中检测到小字内容时，说明对抗失败；当OCR只输出大字内容、小字未被识别时，说明对抗成功。实际测试中，可以用一段已知文本作为小字内容，检查OCR结果是否包含该文本。

四、小字藏大字：另一种互补策略

4.1 适用场景

某些OCR系统对小字号文本的检测非常敏感，能够准确识别密集的小字区域。此时“大字藏小字”可能失效，因为小字反而被优先识别。这时应改用“小字藏大字”：让画面主体由小字构成，大字被拆解或弱化，使OCR在识别小字后“认为”该区域已处理完毕，从而忽略大字结构。

4.2 实现要点

• 小字作为主要可读内容，字号可以稍大（如16px～24px），保证人眼可读。
• 大字以轮廓、半透明或局部片段的形式存在，不构成完整的文本行。
• 调整行距和字距，使小字区域形成连续的文本块，诱导OCR将其作为一个整体处理。

4.3 检测标准

对于“小字藏大字”的图片，如果OCR输出中检测到大字内容，则对抗失败；如果只输出小字内容，则对抗成功。同样可以用已知文本进行验证。

五、代码实现要点（伪代码示意）

以下为构造“大字藏小字”图片的简化流程，不依赖特定图像库名称，仅表达逻辑：

# 伪代码：大字藏小字
def create_steganographic_image(big_text, small_text, params):
    canvas = create_blank_canvas(width, height)
    # 第一步：绘制大字
    for char in big_text:
        draw_char(canvas, char, 
                  font_size=params.big_size,
                  position=next_position())
    # 第二步：按大字逐字填充小字
    small_index = 0
    for char in big_text:
        region = get_char_region(char)
        while small_index < len(small_text):
            draw_char(canvas, small_text[small_index],
                      font_size=params.small_size,
                      position=region.next_slot(),
                      line_spacing=params.line_spacing,
                      char_spacing=params.char_spacing)
            small_index += 1
            if region.is_full():
                break
    return canvas

关键控制点：

• 大字与小字的绘制顺序可以调整，但通常先画大字以确定区域划分。
• 小字填充需要限制在大字字符的边界内，避免溢出到空白区域形成独立文本行。
• 行距和字距的微小变化会显著影响OCR检测结果，建议以1px为步长进行试错。

六、方法边界与局限性

6.1 依赖OCR流程的固定性

该方法有效的核心前提是：目标OCR系统的检测与识别流程相对固定，且没有针对此类隐写术进行专门训练。如果OCR模型在训练数据中包含了大量类似样本，或者采用了多尺度、多轮检测策略，对抗效果会大幅下降。

6.2 不防人类，只防自动化

这种方法的设计目标从一开始就是防止自动OCR识别，而不防止人类阅读。事实上，任何能够看到图片的人类，都可以直接读取其中的文字，无需OCR。因此，它适用于“需要让人看到、但不希望被机器批量提取”的场景，而不能用于真正的保密。

6.3 高斯模糊等后处理不适用

有人可能会想到：先对图片加高斯模糊，再让OCR识别。但模糊处理需要人类判断“哪里有大字”才能有针对性地操作，模型自身不会主动做这种判断。如果模型不加区分地对整图模糊，正常文章的截图也会被破坏，导致什么都识别不出来。而一旦有人类参与判断，直接阅读即可，OCR就失去了意义。

6.4 参数需要针对目标试错

不同OCR系统的检测阈值不同，同一组参数在A系统上成功，在B系统上可能失败。因此实际应用中需要准备多组参数，通过自动化测试找到对目标系统有效的组合。这也意味着该方法不是“一次配置永久有效”，而需要持续维护。

七、工程实践建议

如果要在实际项目中应用这类技术，建议考虑以下几点：

1. 明确目标：先确认要对抗的是哪一类OCR能力，是通用文字提取，还是特定平台的自动审核。不同目标的检测流程差异很大。
2. 多组参数并行：不要依赖单一参数组合，准备3～5组不同字号、间距的配置，轮流使用或按内容类型选择。
3. 自动化验证：搭建一个简单的测试流水线，用目标OCR对生成图片进行识别，自动判断是否包含敏感文本，从而快速筛选有效参数。
4. 关注可读性：对抗效果再好，如果人眼无法阅读就失去了意义。生成后应进行人工抽检，确保正常观看距离下文字可辨认。
5. 动态更新：OCR技术在持续演进，今天有效的方法明天可能失效。建议定期重新评估，并保留切换到其他方案的能力。

八、总结

本文围绕“如何避免图片中的文字被OCR识别”这一技术问题，介绍了基于排版隐写的两种思路：大字藏小字与小字藏大字。其核心机制是利用OCR检测流程中的“已处理区域跳过”逻辑，通过字号、行距、字距的精细调节，使自动识别产生漏检或误判，而人类阅读不受影响。

该方法不是万能钥匙，它的有效性建立在目标OCR流程固定、且未针对此类样本训练的前提之上。在实际使用中，需要结合具体场景进行参数试错和效果验证。对于开发者而言，理解其原理和边界，比记住某组具体参数更有价值。