Tesseract 图片 OCR

要解决什么问题

截图、扫描件、拍照文档里的文字往往无法直接复制或检索。若不想接入云端 OCR API，或需要在本地批处理图片，就需要一套可跨平台、可指定语言的离线识别流程。

工作方式与核心能力

该技能围绕 Tesseract OCR（建议 v5.0+）与 Python 封装 pytesseract、图像读取 Pillow 组织用法：对单张或多张图片执行识别，输出纯文本。

Tesseract 路径发现按固定优先级自动解析，减少「装好了却找不到二进制」的问题：

1. CLI 参数 --tesseract-path
2. 环境变量 TESSERACT_PATH
3. 配置文件（Linux/macOS：~/.config/image-ocr/config.json；Windows：%APPDATA%\image-ocr\config.json）
4. 各平台常见安装目录
5. 系统 PATH

语言通过 Tesseract 语言包指定，例如 chi_sim（简体）、eng（英文），可组合为 chi_sim+eng 做中英混排。文档中还列出 chi_tra、jpn、kor 等代码。版面较复杂时可用 --psm 调整页面分割模式；版本、路径、语言等诊断信息会写到 stderr，便于排查环境问题。

适用边界与注意点

• 识别质量高度依赖图片清晰度、对比度与光照；模糊或倾斜会明显拉低准确率。
• 中文识别必须安装并指定 chi_sim（或所需语种）语言包，仅装引擎不够。
• 输出为纯文本，不包含结构化表格或版面还原；复杂排版需自行后处理或换用专门方案。
• 依赖本机已正确安装 Tesseract 与对应语言包，技能侧主要负责发现路径与调用封装，而非替代系统级安装。