图片文字提取

要解决什么问题

票据、截图、扫描件和证件照里常有文字，但分辨率低、轻微失焦、阴影或压缩噪点会让「一眼能读、机器却错字」的情况很常见。更麻烦的是，不少助手会在看不清时按上下文补字，金额、日期、证件号一旦静默改写，后续对账和归档就埋了雷。

本技能面向可辨认但不够干净的图片：先改善可读性再识别，宁可标 [看不清] 或候选，也不冒充确定原文。

技能如何工作

• 确认范围：需要至少一张图或目录路径；可指定语言、局部区域、输出格式（默认 Markdown，亦支持纯文本与 JSON）及敏感字段范围。
• 图像诊断与增强：检查方向、模糊、对比、裁切等问题；通过 scripts/prepare_ocr_images.py 生成灰度放大、对比增强、锐化、二值化、反色等多版本，并附质量清单。
• 分块识别与交叉核对：按标题、段落、表格行或字段分块，至少比较原图与一个增强版本；多版本一致的字符可提高置信度，冲突处回看局部。
• 关键字段复核：数字、金额、日期、账号、型号、专有名词逐字符检查，并列入人工复核清单。
• 结构化输出与校验：JSON 结果可用 scripts/validate_ocr_report.py 校验；块级记录含依据版本、置信度与不确定片段。

边界与注意点

不恢复已丢失的像素，不把语言模型猜读当作图片原文；手写体、验证码、密集表格或严重运动模糊可能仍需专用工具或人工录入。处理身份证、合同等敏感图时，应先收窄识别范围，避免整页转写无关敏感信息。