在论文查重中，图表和公式的处理方式与文本内容有所不同。由于图表和公式往往包含大量的专业术语和数据，传统的文本比对方法可能无法有效识别其中的相似性。因此，查重系统需要采用一些特殊的处理方式来检测这些内容。

对于图表，查重系统通常会分析图表的标题、图例、注释等信息，以及图表在文中的描述。如果这些文本内容与已有文献中的图表描述相似，查重系统可能会将其标记为相似内容。然而，这种方法并不能完全准确地识别图表中的抄袭行为，因为图表中的数据和信息可能被重新排列或修改，从而逃避查重系统的检测。

对于公式，查重系统通常会分析公式的表达方式和结构。如果论文中的公式与已有文献中的公式在表达方式和结构上高度相似，查重系统可能会将其标记为相似内容。然而，这种方法也存在一定的局限性，因为不同的作者可能会使用不同的符号或变量来表示相同的公式，从而使得查重系统无法准确识别。

为了提高查重系统的准确性，一些研究者开始探索使用图像识别和自然语言处理技术来分析图表和公式。例如，通过图像识别技术，查重系统可以识别图表中的数据和信息，并将其与已有文献中的图表进行比对。通过自然语言处理技术，查重系统可以理解公式中的数学关系和逻辑结构，从而更准确地识别公式中的相似性。

一些查重系统还开始尝试使用机器学习和深度学习技术来提高查重系统的准确性。通过训练模型来识别图表和公式中的相似性，查重系统可以更准确地检测抄袭行为。然而，这种方法需要大量的标注数据和计算资源，因此在实际应用中可能存在一定的限制。