企业官网建设流程全解析

如何把公式图片变成 LaTeX 代码：3 步上手 pix2tex 的完整指南

【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（LaTeX-OCR）是一款开源的公式图片识别工具：给它一张数学公式的截图或照片，它直接输出对应的 LaTeX 代码。它提供命令行、图形界面和 HTTP 接口三种用法，适合写论文的学生、阅读学术资料的程序员，以及任何经常要录入公式的人。

公式录入的痛点，它能解决多少

写论文、整理笔记时，你大概率遇到过这种场景：PDF 里有一个关键公式，需要敲进自己的 LaTeX 文档，积分号、上下标、分式一个个手打，既慢又容易敲错符号。pix2tex 做的事就是把这个过程反过来——用深度学习模型"读懂"图片里的公式，逐字符预测出 LaTeX 源码。

模型结构是一个视觉 Transformer（ViT）编码器加 ResNet 骨干网络，再接一个 Transformer 解码器（术语白话：前者负责"看图"，后者负责"写字"）。官方给出的测试指标为：BLEU 分数 0.88、归一化编辑距离 0.10、token 准确率 0.60。这意味着常见学术公式多数能一次识别到位，但个别符号仍可能出错，成稿前留一步人工核对是必要的。

另外两个内置能力值得知道：一个小型辅助网络会自动估算输入图片的最佳分辨率，你不需要手动缩放图片；图形界面里用 MathJax 实时渲染识别结果，识别完成后代码会自动进剪贴板。

三步装好并跑通第一次识别

前提环境：Python 3.7+，并已装好 PyTorch（按官方安装指引即可）。

安装（[gui]标签会带上图形界面的依赖）：

pip install "pix2tex[gui]"

首次运行会联网自动下载模型权重文件到本地缓存目录，之后离线可用。然后直接处理一张公式图片：

pix2tex path/to/formula.png

终端会打印识别出的 LaTeX 代码，同时自动复制到剪贴板，粘贴进编辑器即可。

典型任务演练

任务一：识别一张公式图，或直接截图识别

命令行方式，一次可以传入多个文件：

pix2tex formula1.png formula2.png

不带参数运行pix2tex则进入交互模式：输入文件路径回车识别；Windows 和 macOS 上把图片拷进剪贴板后直接按回车即可；输入t=0.25调整采样温度，show本地渲染预览，katex在浏览器里渲染，no_resize关闭自动缩放，输入x退出。

不想碰命令行的话，运行latexocr打开图形界面：按 Alt+S（macOS 上是 Option+S）框选屏幕上的公式区域，识别完成后上方用 MathJax 实时渲染公式，下方代码框可在 Raw、LaTeX-$、LaTeX-$$、Sympy 四种输出格式间切换，点击 Retry 可对同一张图重新识别，temperature 滑杆范围 0~1。

任务二：批量识别，或起一个 HTTP 服务

图片数量较多时，把多个文件名一次性传给命令行即可；交互模式里也可以对同一张图反复重跑直到结果满意。

需要以服务形式调用时（比如接入自己的工作流），安装 API 依赖并启动：

pip install "pix2tex[api]" python -m pix2tex.api.run

服务监听 8502 端口，基于 FastAPI 实现：向POST /predict/上传图片文件、向POST /bytes/传图片字节数组，都直接返回 LaTeX 字符串。也可以改用 Docker 镜像，省去本地依赖：

docker pull lukasblecher/pix2tex:api docker run --rm -p 8502:8502 lukasblecher/pix2tex:api

任务三：接入自己的 Python 项目

如果公式识别只是你某个脚本里的一环，直接以库的形式调用：

from PIL import Image from pix2tex.cli import LatexOCR img = Image.open('formula.png') model = LatexOCR() print(model(img)) # 输出识别出的 LaTeX 代码

模型实例化一次后可反复调用，避免重复加载权重。

实用建议

建议这样做：截图只框住公式主体，背景保持干净。白色或浅色背景、公式清晰无遮挡的截图识别效果最稳。

避免这样做：截图前把图片放大到很大。模型本身在中小分辨率图片上表现最好，虽然内置的自动缩放网络会尝试把大图缩小到最像训练数据的尺寸，但官方说明它处理超大图片并不完美，盲目放大反而得不偿失。

建议这样做：拿到结果后人工核对一遍，尤其是复杂公式。结果存疑时按 Retry 或换个分辨率重新截图再识别一次。

建议这样做：想要结果稳定就调低 temperature，想要多种可能就把调高。温度越低输出越确定，越高越随机（命令行里输入t=0.XX即时生效）。

常见问题

现象：首次运行很慢或中途失败。解决办法：正在联网下载模型权重，检查网络后重试；权重会缓存在系统用户数据目录的 pix2tex 文件夹中，下载成功后后续运行不再需要联网。

现象：同一张图每次识别结果都不一样。解决办法：这是采样温度带来的随机性，调低温度（如t=0.1）输出会趋近一致；也可以多按几次 Retry，挑一个渲染正确、且与图中公式一致的结果。

现象：Linux 下 GUI 的截图功能不可用。解决办法：系统缺少截图工具。安装 gnome-screenshot，或在 wlroots 系 Wayland 合成器上装 grim 与 slurp、KDE 上装 spectacle；必要时用环境变量SCREENSHOT_TOOL显式指定使用哪个工具。

现象：没有显卡，CPU 推理等待时间较长。解决办法：模型会自动检测并使用 GPU，没有则回退 CPU。CPU 场景下把图片分辨率控制得小一些（截图时别放大过多）可以明显缩短等待时间。

写在最后

用熟了之后，录入公式的体验会接近"复制粘贴"：截图、回车、粘贴，剩下的交给模型完成。

参考资料：

• 安装文档：docs/installation.md
• 模型配置：pix2tex/model/settings/config.yaml
• API 服务实现：pix2tex/api/app.py

【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