image-ocr

用途：从图片、截图、扫描件、票据、表单和 PDF 中提取文字，并按需结构化输出。主要能力：按场景选择 OCR 工具（Tesseract 适合本地清晰印刷文档；EasyOCR 适合照片与多语言；PaddleOCR 适合中日韩文字与表格；Google Vision、AWS Textract、Azure Computer Vision 为云端按量付费；Surya、Docling 适合本地 PDF 与结构化输出）；提供图像预处理（灰度、放大、去斜、去噪、二值化、对比度增强）以提升准确率；支持 PDF 原生文本层提取并在扫描页回退 OCR；提供文本清洗、常见误读修正、邮箱/电话/日期/金额/URL 等字段抽取；给出 Python、Node.js/TypeScript 及 Claude Vision 的调用示例。使用方式：按决策树选择工具，先预处理再 OCR，最后做后处理与结构化；示例安装命令包括 pip install pytesseract pillow、pip install easyocr、pip install paddlepaddle paddleocr、pip install google-cloud-vision、pip install boto3、pip install opencv-python pillow、pip install PyMuPDF pdf2image pytesseract、npm install tesseract.js、npm install @google-cloud/vision。适用场景：文档数字化、票据与发票识别、表单字段提取、截图取字、多语言 OCR、手写识别。限制：云端 API 需凭证且按量付费；手写与复杂版式建议用云端 API；准确率受图像质量影响，需预处理；具体价格、配额与效果资料未提供。