Agent Skills
返回列表
OCR图片文字提取

OCR图片文字提取

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_46180358/ocr-image-text-extract。

技能介绍

问题背景

从截图、扫描件或网页配图中手动摘录文字，既容易出错也浪费时间。当内容是段落化的商品描述或文档片段时，复制粘贴往往无从下手，需要一种能直接输出纯文本的自动化方案。

工作流程

该技能通过 ImageMagick 预处理与 Tesseract OCR 结合完成任务：

  • 预处理依次执行：转灰度消除颜色干扰、增强对比度、锐化边缘、去除噪点，并将图片放大 200% 以适配 OCR 输入
  • 识别阶段使用 Tesseract 的 LSTM 神经网络引擎（--oem 3），配合均匀文本块分割模式（--psm 6），适合处理商品页、文档等段落化文本
  • 默认支持简体中文、繁体中文与英文，可通过参数调整识别语言

适用边界与注意点

以下情况会影响识别效果：

  • 竖排文字与艺术字体、手写体的识别准确率较低
  • 图片宽度小于 200px 或经过严重压缩时，结果可能出现明显偏差
  • 系统环境需满足 ImageMagick 7 与 Tesseract 5 的依赖要求

使用场景

  • 电商平台运营需要从商品详情页截图中批量提取规格参数和描述文字，用于录入商品管理系统
  • 文档数字化团队需要将扫描的合同或发票图片转换为可编辑的文本格式，以便后续检索和归档
  • 内容编辑需要从网页设计稿截图中提取文案内容，用于更新网站或社交媒体的图文信息
  • 科研人员需要从实验设备界面截图中提取数据读数，用于记录实验结果

适合人员

  • 电商运营专员：每周处理上百个商品截图，需要快速提取文字信息录入系统
  • 文档管理员：负责将纸质档案数字化，需要从扫描件中提取可编辑的文本内容
  • 内容创作者：经常从设计稿或截图中获取文案素材，需要高效的文字提取工具
  • 技术支持人员：需要从用户提交的问题截图中提取关键信息，用于故障排查和文档编写