SuperAPI AI 工具集

unlimited-ocr-segment-figure

通用与其它

查看项目

更新于 10-16 05:46

技能介绍

用途:把一张包含多个子图的复合图、截图或仪表盘拆成单独面板。Unlimited-OCR 只定位图表等区域而不转录其中文字,因此适合做分割器:其检测框足以从密集拼图中裁出可单独解读的面板。整体流程为复合图经 Unlimited-OCR 定位得到若干面板裁图,再交由任意的图表解读模型逐个描述,一次只给一张图效果通常更好。

主要能力:支持按类别过滤,如仅保留 chart、table;支持设置裁切外边距;输出每个区域对应的 <stem><index><category>.png,以及 segments.json 清单,内含源图尺寸、两套坐标系和各区域关联文本。

用法示例: S=~/eon/cc-skills/plugins/unlimited-ocr/scripts/unlimited_ocr.py uv run --no-project $S segment --input figure.png --output ./panels uv run --no-project $S segment --input figure.png --output ./panels --categories chart,table uv run --no-project $S segment --input figure.png --output ./panels --pad-pixels 24

限制:--pad-pixels 默认12,不应设为0;模型框紧贴绘图区,像素级精确裁切会切掉下方坐标轴刻度标签。12只是起点,外置说明文字多时需调大。检测框按0–1000归一化后依实际尺寸转像素,模型未给出框的区域会被跳过而非猜测。分割质量取决于布局检测,首次用于新文档类型应肉眼抽查。本技能不做任何描述,只做切割,需自行搭配解读模型。