收据扫描与条目提取器 - OCR 识别并表格化

定义：OCR是Optical Character Recognition的缩写，中文称为光学字符识别。这是一种将图片中的文字转换为可编辑文本的技术。系统通过分析图像中的像素模式，识别出其中的字符、数字和符号。

与工具关系：本工具的核心技术就是OCR。当您上传收据图片后，Tesseract.js引擎会对图像进行光学字符识别，将图片中的文字信息转换为可处理的文本数据。

应用场景：除了收据识别，OCR技术还广泛应用于文档数字化、车牌识别、身份证信息提取、银行支票处理等领域。

定义：Tesseract.js是一个基于WebAssembly的开源OCR引擎，可以在浏览器中直接运行。它是Tesseract OCR引擎的JavaScript版本，无需服务器支持即可在客户端执行文字识别。

与工具关系：本工具使用Tesseract.js作为OCR引擎，这意味着所有识别工作都在您的浏览器本地完成，无需将图片上传到任何服务器，确保了数据隐私安全。

技术特点：支持多种语言训练数据，识别准确率高，运行效率良好，是目前最流行的浏览器端OCR解决方案之一。

定义：图像预处理是指在OCR识别之前对图像进行的一系列处理操作，目的是提高识别准确率。常见的预处理操作包括灰度化、对比度增强、锐化、降噪等。

与工具关系：本工具提供两种预处理模式："适度增强"和"高对比度"。适度增强模式会自动优化图像的亮度和对比度；高对比度模式特别适合处理热敏纸收据等褪色严重的图像。

技术原理：通过调整图像的像素值分布，使文字更加清晰突出，减少背景干扰，从而提高OCR引擎的识别准确率。

定义：热敏纸是一种经过特殊涂层处理的纸张，受热后会显色。广泛用于超市收银机、ATM机、传真机等设备的打印输出。

与工具关系：大多数超市、餐厅的收据都是热敏纸打印的。这种纸张的特点是容易褪色，时间久了文字会变淡。因此工具特别提供"高对比度"预处理模式来应对这种情况。

保存建议：热敏纸收据最好在购买后尽快拍照保存，避免长期存放导致文字褪色无法识别。

定义：千分位分隔符是用于分隔数字中千位、万位等的符号，便于阅读大数字。在不同地区使用不同的符号：英文环境常用逗号（,），欧洲部分地区使用点（.）。

与工具关系：收据上的价格经常使用千分位分隔符，如"1,299.99"或"1.299,99"。本工具的智能解析算法能够识别并正确处理这些不同格式的价格表达。

示例：$1,299.99表示1299.99美元；€1.299,99表示1299.99欧元。

定义：CSV（Comma-Separated Values，逗号分隔值）是一种纯文本格式，用于存储表格数据。每行数据由逗号分隔的字段组成，可以被大多数电子表格软件读取。

与工具关系：本工具支持将提取的收据数据导出为CSV格式。导出的文件可以直接用Excel、WPS、Google Sheets等软件打开，方便进行进一步的数据分析和处理。

优势：CSV格式简单通用，兼容性好，文件体积小，是数据交换的标准格式之一。

定义：Canvas API是HTML5提供的一种绘图接口，允许在网页上动态绘制图形和处理图像。通过JavaScript可以对Canvas中的图像进行各种操作。

与工具关系：本工具使用Canvas API处理上传的收据图片，包括图像预处理（灰度化、对比度调整等）。所有图像处理都在本地完成，无需服务器参与。

技术优势：Canvas处理速度快，内存占用低，适合处理大尺寸图片。