拍照识字产品系统Vibe Coding

日常学习和办公中，经常需要把纸质资料、课件板书、屏幕上的文字转成电子文本，手动录入耗时且易出错。市面多数 OCR 应用依赖云端识别，存在隐私泄露风险，断网时也无法使用。本项目立项旨在做一款完全离线的拍照识字工具：拍照或选图后框选需要的区域，即可在设备本地完成中文 OCR，结果可编辑、复制并导出 TXT，全程不联网、不上传图片。适用于课堂笔记整理、会议记录、纸质资料电子化等对隐私和离线可用性有要求的场景。

项目包含网页版与 Android App 两个形态，功能模块包括：1.图片导入：支持拍照、相册选图、拖拽上传，超大图片自动压缩；2.区域框选：可拖动整体、拉伸四角的裁选框，支持一键全图，选区实时预览；3.本地文字识别：内置 PaddleOCR（PP-OCRv4）中英文模型，在设备端完成文字检测与识别，另附 Tesseract 备用引擎自动回退，全程离线；4.结果编辑：识别文字在可编辑文本框中展示，可手动修改；5.结果导出：一键复制、导出 TXT 文件、保存识别区域图片；6.识别反馈：实时进度条，并显示字数、置信度、识别耗时与所用引擎。

本人独立完成需求分析、UI 设计、前端开发、OCR 引擎接入与 Android 打包的全流程。技术栈为 HTML/CSS/JavaScript + Canvas 2D，OCR 采用 onnxruntime-web（WebAssembly）加载 PP-OCRv4 检测与识别 ONNX 模型，Android 端以 Capacitor + Java 壳封装为离线 APK。整体为纯前端四层架构：UI 层、流程控制层、OCR 引擎层、模型资源层，无服务端。实现上的亮点与难点：1.在浏览器中完整实现 DB 文字检测的后处理（概率图阈值化、连通域分析、二阶矩定向框拟合、框外扩）与 CRNN 的 CTC 解码；2.处理原图、显示画布、模型输入三套坐标系的映射，框选区域采用归一化坐标存储避免错位；3.通过 WASM 单线程 SIMD 推理与模型资源精简，在无网络环境下兼顾识别准确率与安装包体积。