iOS-OCR-Server 部署教程：将你的 iPhone 变为本地 OCR 服务器

本教程将指导你部署和使用 iOS-OCR-Server，一个运行在 iPhone 上的、基于 Apple Vision 框架的本地 OCR 服务。它完全离线处理，无需云端依赖，可保障数据隐私。

📱 部署步骤

1. 准备工作

一台运行 iOS 26 或更高版本的 iPhone（注意：文档段落检测功能需要 iOS 26+，基础文字识别功能可能支持更低版本，但建议使用最新系统）。
一个有效的 Apple ID（用于从 App Store 下载应用）。
iPhone 和需要使用 OCR 服务的设备（如电脑）连接在同一个 Wi-Fi 网络下。

2. 安装 App

在 iPhone 上打开 App Store，搜索 “iOS OCR Server” 或直接通过项目提供的 App Store 链接下载并安装。

3. 启动服务器

在 iPhone 上打开已安装的 OCR Server App。
应用启动后，OCR 服务器将自动开始运行。你会在应用界面看到一个本地 IP 地址和端口号（例如 http://192.168.1.5:8000）。

⚠️ 重要提示（保持服务运行）：
为确保 OCR 服务持续可用，请执行以下操作：

在 iPhone 设置 > 辅助功能 > 引导式访问 中，开启“引导式访问”。

回到 OCR Server App，连按三次侧边按钮（或主屏幕按钮）启用引导式访问。

保持 App 在前台运行，并阻止屏幕自动锁定。这是防止 iOS 系统暂停后台应用网络服务的关键步骤。

4. 验证服务

在你的电脑或同一网络的其他设备上，打开浏览器，访问 App 显示的 IP 地址（例如 http://192.168.1.5:8000）。你将看到一个 Web 测试页面，可以上传图片进行 OCR 测试。

🔌 API 使用与集成

OCR Server 提供了基于 HTTP 的 API，方便集成到你的应用或脚本中。

基础 OCR API (`/upload`)

使用 POST 请求将图片上传到 /upload 端点。

请求：
- URL: http://<你的iPhone IP>:8000/upload
- Method: POST
- Header: Accept: application/json
- Body (form-data): 键名为 file，值为要识别的图片文件。
响应：返回一个 JSON 对象，包含识别出的文字、每个文本块的位置坐标等信息。

cURL 示例：

1
2
3

curl -H "Accept: application/json" \
     -X POST http://<你的iPhone IP>:8000/upload \
     -F "file=@你的图片路径.png"

Python 示例：

import requests

url = "http://<你的iPhone IP>:8000/upload"  # 替换为实际IP
file_path = "你的图片路径.png"

with open(file_path, "rb") as f:
    files = {"file": f}
    headers = {"Accept": "application/json"}
    response = requests.post(url, files=files, headers=headers)

print("状态码:", response.status_code)
print("响应:", response.text)

返回的 JSON 结构示例：

{
  "success": true,
  "message": "File uploaded successfully",
  "ocr_result": "识别的文字内容",
  "image_width": 1247,
  "image_height": 648,
  "ocr_boxes": [
    {
      "text": "识别的单词或行",
      "x": 429.65,      // 边界框左上角 x 坐标
      "y": 268.0,       // 边界框左上角 y 坐标
      "w": 201.84,      // 边界框宽度
      "h": 72.0,        // 边界框高度
      "rect": {         // 四个角坐标，可处理旋转文本
        "topLeft_x": 429.65,
        "topLeft_y": 268.0,
        "topRight_x": 631.49,
        "topRight_y": 268.0,
        "bottomRight_x": 631.49,
        "bottomRight_y": 340.0,
        "bottomLeft_x": 429.65,
        "bottomLeft_y": 340.0
      }
    }
    // ... 更多检测到的文本块
  ]
}

文档段落检测 API (`/docOCR`) - 需要 iOS 26+

该接口针对文档布局进行优化，能识别段落结构。

请求：与 /upload 相同，但端点为 /docOCR。
响应：返回一个 JSON 对象，主要包含整理后的文本。

cURL 示例：

1
2
3

curl -H "Accept: application/json" \
     -X POST http://<你的iPhone IP>:8000/docOCR \
     -F "file=@你的文档图片.png"

可视化结果（Python 示例）

项目 README 还提供了完整的 Python 脚本，用于在图片上绘制检测到的文字边界框并进行预览。你可以在项目主页找到完整代码，其核心流程为：

调用 /upload API 获取 JSON 结果。
使用 PIL (Pillow) 或 OpenCV 加载原图。
根据 ocr_boxes 中的坐标数据，在图片上绘制红色矩形和文字标签。
显示或保存带标注的图片。

🔧 故障排除与优化

服务无法访问

检查网络：确保 iPhone 和客户端设备连接到同一个 Wi-Fi 网络。
检查 IP 地址：App 显示的 IP 是否正确？如果网络环境变动（如切换 Wi-Fi），IP 可能会变化，需要重新确认。
检查防火墙：确保客户端设备的防火墙没有阻止对 8000 端口的访问。
App 状态：确保 OCR Server App 处于前台活跃状态，并且屏幕未锁定。建议开启“引导式访问”。

OCR 质量不佳

图片质量：确保上传的图片清晰，文字部分光线充足，避免模糊和过度阴影。
文字方向：Vision 框架能处理一定角度的旋转，但正向拍摄通常效果最好。
语言支持：框架支持多语言自动检测，对于混合语言图片，效果可能取决于训练数据。

性能优化

网络延迟：使用 5GHz Wi-Fi 而非 2.4GHz，可以获得更高的传输速率，减少大图片上传时间。
处理能力：服务器性能完全取决于 iPhone 的芯片（A 系列芯片）。较新的 iPhone 处理速度更快。
批量处理：如果需要处理大量图片，可以循环调用 API，但注意给 iPhone 一些处理间隔以避免过热。

安全提醒

此服务器默认在本地网络（LAN）开放，没有身份验证机制。
不要将手机端口（8000）通过路由器端口转发暴露到公网，否则你的 OCR 服务可能被他人滥用。

通过以上步骤，你应该能在几分钟内将你的 iPhone 变成一个强大、私密的本地 OCR 服务器。你可以将其集成到自己的自动化工作流、笔记应用或其他需要文本提取的场景中。