4步把公式截图变成LaTeX代码：pix2tex OCR实战教程

4步把公式截图变成LaTeX代码：pix2tex OCR实战教程

【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCR

pix2tex（仓库名 LaTeX-OCR）是一个基于视觉Transformer的数学公式OCR工具：给它一张公式图片，它返回对应的 LaTeX 源码。如果你经常从 PDF 或论文截图里"搬"公式，却只能对着屏幕逐字敲 LaTeX，这篇文章适合你——从安装到出结果，全程不超过 4 步。

先说场景：公式为什么不好复制

PDF 里的公式是"死"的。想引用某篇论文里的一个公式，文字选中复制往往得到一串乱码，手动重打 LaTeX 又费时还容易抄错符号。

pix2tex 干的事情很简单：把"图片 → LaTeX 代码"这一步自动化。你截一张公式图，它输出一段可以直接粘进文档的 LaTeX 源码，再配合任何渲染器就能还原成公式。

它是怎么做到的

模型由两部分拼接而成 🧠：

• ViT 编码器（带 ResNet 主干）：负责"看图"，把公式图片切块后编码成视觉特征
• Transformer 解码器：负责"写代码"，逐 token 生成 LaTeX 序列

官方报告的效果指标为：BLEU 0.88、归一化编辑距离 0.10、token 准确率 0.60。对公式这种短文本来说，这个准确度已经够日常使用。

模型对图片尺寸很敏感，所以 pix2tex 额外训练了一个小的 ResNet（image resizer），自动把输入图缩放到模型最"顺手"的分辨率。源码可以看 pix2tex/models/ 目录，模型定义就在vit.py和transformer.py里。

安装 pix2tex

环境要求只有一个：Python 3.7+（依赖 PyTorch）。

pip install "pix2tex[gui]"

方括号里的标签决定装哪套依赖，按需选择：

• [gui]：命令行 + 图形界面（新手推荐，本文主线）
• [api]：额外装 FastAPI，用于起 Web 服务
• [train]：额外装训练相关依赖
• [all]：全部装齐

首次运行时会自动下载模型权重文件，不需要手动找 checkpoint。不想装包、直接读源码的话，也可以克隆仓库（git clone https://gitcode.com/GitHub_Trending/la/LaTeX-OCR）后浏览 docs/installation.md 的完整安装说明。

三条路拿到第一个结果

命令行：处理已有图片

最直接的方式是调用pix2tex命令。传一个图片路径：

pix2tex formula.png

不传路径则进入交互模式：提示符下粘贴图片文件路径回车即可预测；在 Windows 和 macOS 上，还能直接把图片拷进剪贴板后按回车。预测结果会同时复制到系统剪贴板，终端里按t=0.1可以随时调节 temperature（采样温度），输入show则用 XeLaTeX 把结果渲染回图片。

图形界面：随手一截就出码

装过[gui]标签后，直接运行：

latexocr

窗口弹出后点Snip（快捷键 Alt+S，macOS 上是 Option+S），框选屏幕上的公式，预测结果会即时渲染出来并写入剪贴板。结果不满意就点Retry重跑一次；也可以在窗口底部的 Temperature 滑块上把值调低，让输出更稳定。

在 Python 里当函数用

写脚本、批量处理时，把LatexOCR当普通对象调用：

from PIL import Image from pix2tex.cli import LatexOCR model = LatexOCR() print(model(Image.open("formula.png")))

想做成团队内部服务也可以：pip install -U "pix2tex[api]"后运行python -m pix2tex.api.run，会在 8502 端口起一个 FastAPI 服务，接口定义见 pix2tex/api/app.py。

结果不准时，调这两处

• 换分辨率重试：模型偏爱中小分辨率的图。拍得太近、放得太大反而更容易错，退远一点重新截图往往比调参数更管用。
• 调 temperature：温度低，同一张图反复预测输出一致；温度高，每次可能给不同候选。拿不准就调低温度求稳，结果接近正确时再调高试试别的写法。

另外要记住：OCR 不是 100% 的，交付前务必把生成的 LaTeX 通读一遍再渲染确认。

进阶：用数据微调自己的模型

如果你的公式有大量特殊记号（自定义宏、生僻符号），可以用自己的数据训练。流程分三步：

1. 生成数据集。把图片路径和 LaTeX 标签的对应关系打包成 pkl：

python -m pix2tex.dataset.dataset --equations math.txt --images imgs/ --out dataset.pkl

2. 改配置。打开 pix2tex/model/settings/config.yaml，把data（和valdata）指向刚生成的.pkl，再按需调超参数。
3. 开训：

python -m pix2tex.train --config pix2tex/model/settings/config.yaml

训练用的数据管线（爬取、渲染成 PNG、LaTeX 归一化）都放在 pix2tex/dataset/ 目录里，想自建数据集可以先翻一遍。

常见疑问速答

• 装完跑不起来？先确认 PyTorch 已正确安装，CPU 环境下加--no-cuda参数。
• 结果和原图对不上？优先换截图分辨率重试，其次调低 temperature。
• 想要 Web 演示页？API 服务自带 Streamlit 前端，python -m pix2tex.api.run会同时拉起前后端，浏览器打开 8501 端口即可。
• 想在线体验？仓库 notebooks/ 目录下有现成的 Colab 笔记本，改几行就能跑。

pix2tex 把"截图里的公式"变成了"能编辑的源码"，对写文档、整理文献的人是很顺手的小工具。装好之后建议先拿一张论文截图走一遍命令行流程，感受下输出质量，再决定要不要搭 API 服务或微调模型——代码就在手边，动手比读文档更快。

【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCR