图片文字防OCR识别：基于检测机制特性的干扰策略

一、问题的提出

在实际业务中，很多场景需要让图片“人类可读、机器难读”：例如内部文档预览、付费内容试读、验证码替代方案、版权素材展示等。直接对文字做模糊、马赛克或裁剪，往往牺牲了可读性；而加噪点、旋转、扭曲等传统手段，随着OCR模型鲁棒性提升，效果越来越有限。

换一个角度思考：与其让OCR“看不见”文字，不如让它“看见错误的文字”。OCR流水线通常是“检测—识别”两阶段：先定位文字区域，再逐区域识别内容。如果能让检测阶段输出一个看似合理、实则误导的结果，使模型认为该区域已被处理，就可能抑制对目标文字的二次检测。这类思路属于广义的“对抗性隐写”范畴，本文讨论其中一种实现简单、无需模型内部权限的方案。

需要提前说明：该方法的前提是目标OCR系统未针对此类隐写做专门训练。若对方模型已具备相应鲁棒性，方案有效性会显著下降，需要结合试错调整。

二、核心原理：利用检测与识别的顺序盲区

主流OCR处理流程大致如下：

1. 文本检测：通过分割或回归方式定位文字框；
2. 方向分类与矫正；
3. 文本识别：对每个文字框做序列解码；
4. 后处理：置信度过滤、去重、版面还原。

检测阶段对“显著文本”的响应通常更强。当画面中同时存在超大字号与超小字号文本时，不同模型的敏感度不同：有的对小字检测更精细，有的对全局大区域更敏感。利用这一差异，把目标文字与干扰文字按不同字号嵌套排布，就能诱导模型在某一阶段“误判已完成任务”。

对人类而言，两种字号的文字都清晰可见，阅读顺序自然；对机器而言，检测结果被干扰文字占据，目标文字要么被合并进同一文本框、要么因置信度被抑制而漏检。这就是“堵不如疏”的实质：不阻止检测，而是用检测结果本身去误导后续流程。

三、两种策略与适用场景

3.1 大字藏小字

做法：用超大字号文字铺满画面，在其笔画间隙或行间以极小字号嵌入目标文字。

适用：OCR对全局区域检测较强、对小字召回一般的情况。此时模型容易把整片区域判定为一个大文本块，小字被“吞并”而漏检。

关键参数示例（供试错起点，非固定最优值）：

• 大字约 300–400 像素，小字约 12 像素，行间距 1 像素，字间距 1 像素；
• 大字约 200 像素，小字约 12 像素，行间距 1 像素，字间距 1 像素。

验证标准：若目标是让某段文字不被识别，则应确认模型输出的是干扰大字，而非目标小字。

3.2 小字藏大字

做法：以密集小字构成背景纹理，将目标大字嵌入其中。

适用：OCR对小字检测精确、对大区域合并能力较弱的情况。小字被逐块识别后，大字可能因与背景文本粘连而被切分或降权。

验证标准与上相反：模型应输出小字内容而非目标大字。

两种策略互为补充：同一套参数在不同OCR上表现可能相反，因此需要准备多组参数做 A/B 试错，选择对目标系统有效的组合。

四、实现要点与参数调优

实现上，核心是文本排版控制，而非复杂图像处理。以下为伪代码示意（语言无关）：

function renderNestedText(bigText, smallText, opts):
    canvas = new Canvas(width, height)
    # 1. 按大字逐字填充布局，而非全局从左到右
    positions = layoutByBigChar(bigText, opts.bigSize, opts.lineGap, opts.charGap)
    # 2. 在每个大字单元的间隙写入小字
    for pos in positions:
        drawSmallText(canvas, smallText, pos.innerArea, opts.smallSize)
    # 3. 不做额外模糊或压缩，保持原图输出
    return canvas.exportPNG()

调优建议：

• 字号比例：大字/小字建议不低于 15:1，比例越大干扰越强，但小字可读性下降；
• 间距：行间距与字间距取 0–1 像素可提高文本块粘连概率，但过度为 0 可能导致渲染重叠异常；
• 逐字填充：相比全局顺序排版，按大字单元逐字填充可降低人眼阅读小字的难度，同时保持对模型的干扰；
• 输出格式：优先无损格式，避免有损压缩破坏小字笔画；若必须压缩，需在目标端用原图验证；
• 试错矩阵：至少准备 3–5 组字号/间距组合，分别测试“大字藏小字”和“小字藏大字”，记录各组合下模型输出，选择漏检率最高的方案。

五、能力边界与风险提示

1. 非通用解：该方法依赖目标OCR未针对隐写训练。若对方模型升级，效果可能失效，需持续回归测试。
2. 不防人类：设计目标就是“防自动识别、不防人眼”。任何有人工介入的环节（人工看图、手动裁剪后识别）都能直接读取内容，因此它适合做“自动化管线的减速带”，而非强安全措施。
3. 压缩与传输影响：移动端图片常被平台压缩，小字笔画易丢失。测试应以原图为准，并针对实际分发链路做验证。
4. 合规与法律风险：该类技术可用于版权保护、内容分级等正当目的，但若被用于规避监管、伪造信息或欺诈，可能触及法律风险。开发者应评估使用场景的合规性，避免提供可直接用于恶意用途的成品工具。
5. 与模糊类手段的对比：高斯模糊确实能降低识别率，但前提是有人判断“这里有字”才去模糊；模型不会主动模糊，而一旦对整图模糊，正常内容也无法识别。隐写式干扰的优势在于不破坏人类可读性，代价是对模型版本的敏感性。

六、小结

“大字藏小字 / 小字藏大字”是一种低成本、易实现的OCR干扰思路，其价值在于把防护点从“图像质量”转移到“检测流程的逻辑盲区”。工程落地时，应把它视为需要持续试错与回归的策略组件：准备多组参数、区分两种嵌套方向、以原图验证、明确其不防人工的边界，并在合规前提下使用。对于需要更强保障的场景，仍应结合访问控制、水印溯源与法律手段综合施策。