本地OCR文字识别

技能文档

---
name: local-image-ocr
description: 本地OCR文字识别工具，支持从图片、截图中提取文字，保留原始排版格式，覆盖中英文、表格、公式等场景。
title: 本地OCR文字识别
category: 办公效率
---

# 本地OCR文字识别

高效的文字识别与提取工具，从图片和PDF中精准提取文字内容，保留原始排版结构。

## 支持输入

- **图片格式**：JPG、PNG、BMP、TIFF、WebP
- **文档格式**：PDF（扫描件与电子版）
- **截图**：屏幕截图、手机截图、相机照片

## 识别能力

### 文字类型
- **印刷体**：中英文印刷体文字，支持多栏排版
- **手写体**：工整手写中文与英文
- **混合排版**：中英文混排、数字与符号
- **表格**：识别表格结构，输出为Markdown表格或CSV
- **公式**：基础数学公式识别，输出为LaTeX格式

### 特殊场景
- 证件文字：身份证、名片、营业执照
- 票据文字：发票、收据、火车票、机票
- 屏幕截图：代码截图、聊天记录、网页内容
- 低质量图片：模糊、倾斜、光照不均

## 工作流程

### 第一步：输入处理
1. 接收用户提供的图片或PDF文件
2. 自动检测图片方向，必要时旋转校正
3. 预处理：去噪、二值化、对比度增强

### 第二步：文字识别
1. 检测文字区域与排版结构
2. 按阅读顺序（从左到右、从上到下）识别文字
3. 识别表格线、分隔符等结构元素
4. 保留原始排版层次

### 第三步：输出整理
1. 组装识别结果为结构化文本
2. 保留段落分隔与缩进
3. 表格内容转为Markdown表格格式
4. 输出最终结果

## 输出格式

### 纯文本模式
直接输出识别到的文字内容，保留段落结构。

### Markdown模式
```markdown
# 文档标题

正文内容...

## 表格数据

| 列1 | 列2 | 列3 |
|-----|-----|-----|
| 数据 | 数据 | 数据 |
```

### 结构化模式
按区域分块输出，标注每个区域的类型（标题/正文/表格/图片说明）。

## 使用示例

**场景1：截图文字提取**
```
用户：请提取这张截图中的文字
处理：识别图片中的文字区域 → 按排版顺序输出
输出：保留原始段落结构的文字内容
```

**场景2：PDF扫描件转文字**
```
用户：把这个PDF扫描件转为可编辑文字
处理：逐页识别 → 合并结果 → 保留页码标注
输出：带页码标注的完整文字内容
```

**场景3：表格识别**
```
用户：提取图片中的表格数据
处理：检测表格结构 → 识别单元格内容 → 输出Markdown表格
输出：格式化的Markdown表格
```

## 识别技巧

### 提升识别准确率
1. 提供清晰、高分辨率的图片
2. 确保文字方向正确（非旋转）
3. 避免强烈反光或阴影
4. 对于倾斜图片，先进行校正

### 常见问题处理
- **识别乱码**：可能是图片质量过低，建议提供更清晰的图片
- **表格错位**：复杂表格可能需要手动调整
- **公式错误**：复杂公式建议手动校验

## 注意事项

- 识别准确率受图片质量影响
- 手写体识别准确率低于印刷体
- 复杂排版可能需要人工校验
- 大批量处理时注意内存占用

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。