ocr-extract

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