自动化脚本文字识别：自建点阵字库完整教程

一、方案背景：为什么选择“自建字库”

在桌面自动化、终端巡检、客户端界面测试等场景中，脚本经常需要“看懂”屏幕上的内容，例如读取终端回显的数字、界面上的计数器或状态文本，再据此决定下一步操作。相比调用体积庞大、依赖网络或对小型界面字体识别不稳定的通用OCR方案，基于点阵字库的本地识别思路更轻量：

• 原理简单：在字体、字号、颜色固定的情况下，屏幕上每个字符的像素分布是确定的。把字符的点阵图案提取出来、人工赋予含义，就构成一条字库记录；
• 运行高效：识别过程本质是点阵比对，纯本地执行，无网络开销，适合放进自动化循环中高频调用；
• 针对性强：只为业务中真实出现的字符集建库，干扰少、准确率高。

它的局限也很明确：一旦字体、字号或渲染方式变化，点阵便不再匹配，需要重新提取。因此该方案适合界面样式相对稳定的场景。

二、整体流程概览

完整的建库与识别流程可概括为六步：

1. 截取包含目标文字的小块区域；
2. 选取文字颜色，对截图做二值化；
3. 从二值化结果中提取点阵（单个或多个）；
4. 为每个点阵人工标注含义并回车保存；
5. 重复上述步骤，扩充字库至覆盖全部目标字符；
6. 在脚本中加载字库，调用区域识别完成业务判断。

下面逐步展开。

三、第一步：精准截取目标区域

以“识别终端中输入的数字123”为例，第一步是用抓图功能把这块区域截取下来。多数工具提供快捷键与按钮两种触发方式，用鼠标框选目标范围后按回车确认，截图即出现在预览窗口中。

这里有一条非常重要的经验：截图范围宁小勿大。初次操作时往往习惯框选一大片终端窗口，结果背景里的光标、边框、其他文本都会成为二值化后的干扰点，直接影响后续提取质量。正确做法是先用大范围截图观察目标位置，再收紧到“仅包含目标字符”的最小矩形。范围越小，噪声越少，后面每一步都会更顺利。

四、第二步：颜色选取与二值化

二值化的本质，是按颜色条件把彩色截图映射为黑白两种点：满足条件的像素视为前景（文字），其余视为背景。操作上通常分三步：

1. 在工具左侧的颜色选择框中任选一个颜色位，先“占住”这个槽位；
2. 将鼠标移到预览图上目标文字的像素处点击，拾取文字颜色；
3. 观察二值化预览区域，确认文字被完整“点亮”、背景保持干净。

两个细节值得注意：其一，很多界面字体带有抗锯齿，笔画边缘存在过渡色，必要时可适当放宽颜色匹配的相似度范围，避免笔画断裂；其二，当文字与背景颜色接近时，要仔细确认拾取的确实是文字像素而非背景。若二值化结果噪点很多，回到第一步收紧截图范围往往立竿见影。

五、第三步：提取点阵

二值化完成后，即可把像素图案提取为点阵。常见工具提供两种提取方式，用途不同：

• 提取单个：把二值化区域中识别到的全部内容作为一个整体点阵，适合整串内容固定不变的图案，例如一条完整的提示文本；
• 提取多个：按字符间距自动切分，把连续的数字、字母逐个拆成独立点阵，适合”123”这类需要逐字符识别的场景。这种方式会自动判断字符边界，智能化程度更高。

如果发现切分错误（例如两个字符粘连成一个点阵），通常是截图范围过大或颜色条件过宽所致，回头收紧即可。

六、第四步：标注含义并保存——最关键的一步

到这一步为止，程序只是得到了“一组像素图案”，它并不知道这个图案代表什么。因此必须人工补上语义：在定义文字输入框中，输入该图案对应的字符。

以提取到的第一个数字点阵为例，在输入框中键入”1”，然后务必按回车键——回车在这里承担保存动作，不按回车，标注不会写入字库文件。保存成功后，字库数量计数会加一，这是核对是否生效的直观依据。

需要强调的是：点阵与含义是“一条记录”的两半，缺一不可。按同样方法把0到9逐个提取、标注、保存，字库数量最终应与录入条数一致，字库才算完整可用。

七、第五步：在脚本中加载与调用

字库建好后，即可在自动化脚本中使用。以下为通用伪代码，具体函数名与参数以所用工具的官方文档为准：

// 伪代码示意：加载字库并对指定区域做文字识别
lib = 字库加载("test.txt")          // 加载自建字库文件
ret = 区域文字识别(窗口句柄, x1, y1, x2, y2, 前景色条件, lib)
如果 ret <> "" 则
    数值 = 转为整数(ret)             // 例如识别出 "123"
    // 继续执行依赖该数值的业务逻辑
否则
    // 处理未识别情况：重试、记录日志或告警
结束

接入脚本前，建议先在工具自带的验证功能中多次测试识别率，确认稳定后再进入自动化流程；识别返回值是字符串，务必处理空值与异常分支，避免脚本在识别失败时做出错误操作。

八、常见问题与优化建议

1. 干扰点多、识别不准：优先缩小截图范围，再收紧颜色条件，让二值化结果尽量只保留文字笔画；
2. 同一字符时准时不准：同一字符在不同背景下像素可能略有差异，可为同一含义录制多条点阵记录，识别时逐一比对，命中率更高；
3. 换机器后识别失效：不同设备的字体渲染与缩放比例（如DPI设置）可能不同，点阵不再匹配，需要在新环境下重新提取；
4. 字库管理：按用途将字库拆分为不同文件并清晰命名，便于后续维护与扩展；
5. 验收标准：在真实运行环境的最低对比度、最不利背景下做回归测试，而不是只在理想状态下验证一次。

九、小结

自建点阵字库的本质，是“截图—二值化—提取点阵—人工标注—保存—调用”的闭环：程序负责把像素变成可比对的图案，人负责赋予图案含义。它不追求通用，而追求在特定、稳定界面下的轻量与精准，非常适合自动化脚本中的数字与固定文本识别。当需求扩展到复杂版面、多字体或自然场景时，则可考虑接入百度智能云通用文字识别等云端OCR服务，与本地字库方案互为补充——简单固定场景用字库保速度，复杂场景用云端识别保覆盖面。