文字化け

変換そのものはベストエフォートになっています。

そのうえで、元がテキスト情報を含まない（＝文字列選択のできない）画像であればOCR処理によってテキスト認識で生成されるので、どうしても100%の精度を求めることはできません。

ビットマップ画像の場合は解像度も影響はしますが、日本語の場合は複雑なので、どのOCR処理でも100%を求めるのは難しいと考えたほうがいいでしょう。