图片文字混淆：让OCR主动“看走眼”的对抗策略

一、问题的本质：OCR流水线的“信任链”

在讨论具体方法之前，需要先理解OCR系统的典型工作流程。当前主流的文字识别方案，通常不是“一次扫描、全部输出”的单步模型，而是一条多阶段流水线：

1. 文本区域检测：在整张图片上定位可能存在文字的区域，输出若干候选框。
2. 区域裁剪与矫正：对候选框进行透视矫正、二值化等预处理。
3. 字符识别：逐个区域送入识别模型，输出文本内容。
4. 后处理与合并：按阅读顺序拼接文本，进行语言模型纠错。

关键点在于第1步和第4步之间的“信任关系”：一旦某个区域被检测并识别成功，后处理阶段通常认为该区域已被处理完毕，不会再回头对该区域做二次扫描。这意味着，如果我们能让检测阶段“误判”出一些看似合理、实则无意义的文本，就能让识别流水线把注意力消耗在这些伪目标上，而真正需要保护的敏感文字则被忽略。

这就是所谓“堵不如疏”的核心逻辑——不是让OCR什么都识别不出，而是让它识别出我们指定的内容，从而主动放弃对真实内容的检测。

二、两种版式混淆策略

根据目标OCR的能力差异，可以将混淆策略分为两大类。

2.1 大字藏小字

适用于对小字检测精度较高、对全局语义理解较弱的OCR系统。做法是：

• 用极大的字号（如300–400像素）绘制一段“诱饵文本”，这段文本通常是无意义或公开无害的内容。
• 在诱饵文本的笔画空隙或字间空白处，用极小的字号（如12像素）嵌入真正需要保护的敏感文字。

当OCR检测时，大号字首先被识别，识别结果占据了该区域的“语义槽位”。后处理阶段认为该区域已完成，小字由于尺寸过小、对比度低，往往在区域检测阶段就被忽略。人眼在正常观看距离下，却能通过放大或仔细辨认读出小字内容。

2.2 小字藏大字

适用于对全局文本行检测能力强、但对微小字符识别率低的OCR系统。做法与前者相反：

• 用较小的字号铺满整张图片，形成密集的“文字底纹”。
• 在底纹之上，用较大的字号叠加真正需要传递的信息。

此时OCR会优先检测到密集的小字区域，识别出一堆杂乱文本后，可能将整个图片判定为“低质量文本”或“已处理区域”，从而跳过对大字区域的二次检测。而人类读者可以轻松忽略底纹，直接阅读大字。

2.3 参数调节的工程经验

这两种策略都不是“一劳永逸”的固定配方。不同OCR厂商的检测模型、输入分辨率、压缩策略各不相同，因此需要试错调参。以下是若干可调参数及其影响：

参数	作用	典型取值范围
大字字号	决定诱饵文本的检测优先级	200–400 px
小字字号	决定隐藏文本的可读性与隐蔽性	10–30 px
行间距	影响文本行检测的合并与分割	0–2 px
字间距	影响字符分割的难易程度	0–2 px
对比度	影响二值化阶段的保留区域	可微调

例如，当小字字号为12像素、行间距与字间距均为1像素时，隐藏效果较好，但人眼识别难度较高；若将小字提升至30像素、间距设为0，则人眼更易读，但OCR也可能检测到。实际部署时，建议先用一批样张做A/B测试，观察目标OCR的输出结果，再决定参数组合。

三、为什么高斯模糊不是好方案

一个常见的直觉是：对图片加高斯模糊，OCR就识别不出来了。这个思路在有人工参与的场景下确实有效——人眼能辨认模糊后的大字轮廓，而OCR模型对模糊文本的识别率会显著下降。

但问题在于：模型不会主动判断“该不该加模糊”。如果流水线中预设了“无差别高斯模糊”步骤，那么一篇正常文章的截图经过模糊后，同样会变得无法识别。此时OCR的价值被彻底抹除，整个自动化流程失去意义。

更关键的是，一旦引入人工判断“哪里需要模糊”，就等于承认了自动化流程的失败——既然人都看出来了，直接人工转录即可，何必再走OCR？因此，高斯模糊方案只适合“防机器不防人”的特定场景，且需要额外的决策逻辑，工程上并不优雅。

四、能力边界与风险提示

必须明确指出：该方案的有效性建立在“目标OCR未针对此类隐写术做专门训练”的前提之上。

如果OCR厂商在训练数据中加入了大量“大字藏小字”“小字藏大字”的对抗样本，检测模型会学会忽略诱饵文本、直接定位真实文字。届时，本文所述方法将迅速失效。

此外，还有几个工程上的限制：

• 图片压缩：移动端社交平台常对上传图片做有损压缩，可能导致小字完全糊掉。建议在电脑端获取原图，或使用竖版高分辨率图片。
• 阅读顺序：早期版本采用“全局由上至下、由左至右”的填充顺序，导致小字分布零散，人眼难以连贯阅读。改进后的“大字逐字填充”顺序，将小字嵌入每个大字的笔画附近，人眼识别难度大幅降低。
• 法律与合规：任何文字混淆技术都不得用于伪造证件、规避内容审核等非法用途。技术本身是中性的，但使用者的意图决定了其性质。

五、一个可复用的实现思路

以下伪代码展示了“大字藏小字”的基本绘制逻辑，不依赖任何特定图像库：

def draw_hidden_text(canvas, big_text, small_text, big_size=300, small_size=12):
    # 逐字绘制大字，每个大字周围预留小字空间
    x, y = margin, margin
    small_index = 0
    for ch in big_text:
        draw_char(canvas, ch, x, y, size=big_size)
        # 在该大字下方或右侧填充小字
        for i in range(small_slots_per_big_char):
            if small_index < len(small_text):
                draw_char(canvas, small_text[small_index],
                          x + offset_x(i), y + offset_y(i),
                          size=small_size)
                small_index += 1
        x += big_size + big_gap
    return canvas

核心思想是：先确定大字的位置，再将小字填入大字之间的“视觉盲区”。这样既保证了大字作为诱饵的检测优先级，又让小字在人类放大观察时保持可读。

六、总结

让OCR“看走眼”的本质，是利用其流水线中检测与识别之间的信任缺口，通过版式设计制造伪目标，诱导模型放弃对真实内容的二次检测。大字藏小字与小字藏大字两种策略各有适用场景，参数需要根据目标系统灵活调整。该方法不依赖任何特定厂商或工具，但有效性受限于OCR模型是否见过类似对抗样本。在实际应用中，应充分评估图片压缩、阅读顺序、合规风险等因素，并在合法合规的前提下使用。