用途:从图像文件中提取文字,供后续处理或人工查看。适用于 PNG、JPEG、TIFF、BMP 等常见图片格式,可配合指定 Tesseract 语言模型(如 eng、chi_sim)进行多语言识别,也支持在自然语言请求中直接嵌入图片路径。
主要能力:通过 pytesseract 调用 Tesseract OCR;用 Pillow 加载图片;通过配置项 lang 控制识别语言;从自然语言请求中自动解析出图片路径;由 scripts/ocr_config.json 驱动执行,便于嵌入脚本或自动化流程。
依赖:Python 包 pytesseract 与 Pillow(版本未提供);系统需单独安装 Tesseract OCR,并确保 tesseract_cmd 指向可执行文件。
使用方式:安装依赖 pip install pytesseract Pillow,并安装系统级 Tesseract。编辑 scripts/ocr_config.json,可填 image_path 直指图片路径,或在 request 中写明含路径的指令;设置 lang 与 tesseract_cmd。运行 python scripts/image_ocr.py。可选先执行 python scripts/image_ocr.py --help 做快速校验。
限制:所选 lang 必须已在本地 Tesseract 语言数据中安装,否则可能识别失败或回退;缺少必要文件、标识或凭据时不应使用本技能;不得用于编造结果或不支持的结论;输出文件命名与具体输出行为以脚本定义为定,资料未提供更多细节。