从摄像头到 Word：一个支持实时识别、截图热键、图片拖拽的桌面 OCR 工具设计与实现

摄像头识别说明

功能介绍

　　摄像头识别模块用于从实时摄像头画面、截图区域或拖拽图片中提取文字，适用于现场取字、屏幕取字、图片补录等场景。

1. 功能定位

• 面向“实时画面 + 截图 + 图片拖拽”的统一文字识别。
• 提供预览、区域选择、参数调节、识别结果复制与导出能力。
• 识别结果按行展示，支持逐行复制与一键复制。
• 支持嵌入主界面 Tab 使用，也可作为独立弹窗使用。

2. 核心能力

• 支持“开启摄像头”后实时预览并抓拍识别（按钮：`开始识别`）。
• 支持截图识别（按钮与快捷键 `Alt+W`），识别成功后自动复制文本并弹系统托盘提示。
• 支持将本地图片拖拽到页面进行识别。
• 支持结果导出为 Word（`.docx`）。
• 支持参数调节（亮度、对比度、噪点、锐化）和一键恢复默认。
• 支持预览旋转 `90°`、缩放、平移与识别区域框选。
• 提供识别统计：字数、行数、耗时、速度、来源、状态。

3. 输入与格式

• 摄像头输入：系统可用摄像头设备。
• 图片拖拽输入：`.png`、`.jpg`、`.jpeg`、`.bmp`、`.tif`、`.tiff`、`.webp`。
• 截图输入：用户框选屏幕区域。
• 输出格式：按文本行组织的纯文本结果，可复制或导出为 `.docx`。

4. 三条识别链路说明

4.1 开始识别（摄像头抓拍）

• 从当前摄像头帧读取画面。
• 先应用图像参数调节，再按当前预览旋转角度同步旋转识别图像。
• 根据预览中的选择框进行裁剪，仅识别选区。
• 进入 OCR 线程异步识别并回填结果。

4.2 截图识别 / Alt+W

• 两者走同一识别链路。
• 启动截图覆盖层，支持鼠标框选，`Esc` 或右键取消。
• 对高 DPI 场景做了像素映射处理，避免选区偏移。
• 截图识别默认启用“自动复制结果”，成功后弹托盘通知。

4.3 拖拽图片识别

• 支持拖拽本地图片文件进入页面。
• 图片会先做参数调节后进入 OCR。
• 当前版本不再额外套用摄像头预览旋转角度，避免上传图片识别方向被错误旋转。

5. 预览与交互

• 默认预览方向为 `90°`（可继续点击“旋转90°”循环切换方向）。
• 鼠标滚轮缩放预览，双击重置缩放。
• 按住空格键可拖动画面平移。
• 可通过拖拽/缩放选区控制识别区域，抓拍识别会按该区域裁剪。
• 参数面板可折叠/展开，便于在小屏场景中节省空间。

6. 结果区能力

• 按行展示识别结果，每行支持“复制”。
• 支持“一键复制”全部结果。
• 支持“清除”结果区内容。
• 支持“导出Word”，默认保存到系统桌面（不可用时回退到用户目录）。

7. 状态与提示

• 识别中显示加载动画并锁定主要操作按钮，结束后恢复。
• 状态栏显示：`字数 | 行数 | 耗时 | 速度 | 来源 | 状态`。
• 常见异常提示包括：未开启摄像头、抓拍失败、截图失败、OCR 引擎缺失、图片读取失败等。

8. 平台与热键

支持 Windows 与 macOS。

- `Alt+W` 全局热键：

  - Windows：通过系统原生 `RegisterHotKey` 注册。

  - macOS：通过 `pynput` 监听实现，需在系统“辅助功能”中授权。

9.页面ui展示