| name | ocr-extract |
| description | 智能 OCR 文字提取工具。从图片中识别文字,支持中英文混排、图像预处理(灰度化+二值化提升识别率)、表格结构还原为 Markdown 格式。 |
| version | 1.0.0 |
| author | DunCrew |
| tags | ["ocr","text-extraction","image-processing"] |
| keywords | ["OCR","文字识别","图片文字","表格识别","text recognition","截图识别"] |
| dangerLevel | safe |
| inputs | [{"name":"imagePath","type":"string","required":true,"description":"图片文件路径"},{"name":"language","type":"string","required":false,"description":"Tesseract 语言代码,默认 eng+chi_sim"},{"name":"outputFormat","type":"string","required":false,"description":"输出格式: text / markdown"},{"name":"preprocess","type":"boolean","required":false,"description":"是否图像预处理,默认 true"}] |
| metadata | {"openclaw":{"emoji":"🔍","primaryEnv":"python","requires":{"bins":["python3","tesseract"]}}} |
OCR Extract
智能 OCR 文字提取工具,比 parseFile 的 OCR 功能更强大。
Instructions
使用 ocrExtract 工具从图片中提取文字。支持预处理优化和表格还原。
功能特点
- 图像预处理: 灰度化 + Otsu 自适应二值化,显著提升低对比度图片的识别率
- 小图放大: 宽度 < 300px 的图片自动放大 2 倍
- 表格还原: markdown 模式下检测列结构,还原为 Markdown 表格
- 多语言: 支持 Tesseract 所有语言包
与 parseFile 的区别
| 特性 | parseFile | ocrExtract |
|---|
| 图像预处理 | 无 | 灰度+二值化 |
| 表格识别 | 不支持 | Markdown 表格 |
| 语言选择 | 固定 | 可配置 |
| 预处理开关 | 无 | 可控 |
Examples
基本文字提取:
{"imagePath": "C:/screenshots/test.png"}
日文识别:
{"imagePath": "C:/screenshots/jp.png", "language": "jpn"}
表格识别:
{"imagePath": "C:/screenshots/table.png", "outputFormat": "markdown"}
不做预处理(已经是高清图片时):
{"imagePath": "C:/screenshots/hd.png", "preprocess": false}
Notes
- 依赖系统安装的 Tesseract-OCR 引擎
- 默认支持英文 + 简体中文 (eng+chi_sim)
- 表格还原是启发式的,复杂表格可能不完美
- 对于需要语义理解的场景,建议配合 imageUnderstand 使用