前言¶
处理截图、票据、表单、旧照片、手机翻拍图时，通用的 OCR 或看图工具常常给出一塌糊涂的结果：字缺一笔、行序错乱、整段被吞掉。原因在于输入图片本身质量差——分辨率低、轻微失焦、压缩噪点多、有阴影、倾斜、反色或对比度不足。这类问题在通用工具里一般只能”再试一次”，而不是针对图片状态做预处理。
下面介绍一个专门针对劣化图片做文字提取的 Skill。
这是什么¶
「图片文字提取」（坐标 @user_a73a4047/image-text-extraction）是一个社区来源的 SKILL.md 格式 Skill，当前版本 1.0.3，发布者 user_a73a4047，分类 office-efficiency，官方地址 https://api.skillhub.cn/user_a73a4047/image-text-extraction 。
它解决的问题是：图片文字质量不佳时，不是直接丢给识别能力硬读，而是先对图片做质量检查，生成多种增强版本，逐版本识别、交叉比较，再输出一份保留阅读顺序、并标明可疑字符的报告。
它不需要 API Key（标签 requires_api_key=false），说明它调用的是当前环境里已经可用的图像查看或 OCR 能力，而不是某个固定厂商的付费接口。
核心功能¶
- 图片质量检查：先判断图片是否存在低分辨率、失焦、噪点、阴影、倾斜、反色、对比度不足等问题。
- 生成多种识别版本：放大、灰度、增强对比、锐化、二值化、反色。
- 逐块提取文字：调用当前可用的图像查看或 OCR 能力，按块识别而不是整图一次读出。
- 版本间交叉比较：对多个版本的识别结果做比对，取一致的部分作为确定文本。
- 保留阅读顺序与换行：不把原文的行序重排。
- 标出存疑字符：看不清的、版本之间结果冲突的、需要人工确认的字符单独列出，与确定文本区分开。
- 输出识别报告与增强图片：报告支持 Markdown、纯文本或 JSON 三种格式，同时产出增强后的图片。
安装与启用¶
官方页面未提供可直接复制的安装命令或配置文件字段，这里不臆造。可用的核实信息如下：
坐标: @user_a73a4047/image-text-extraction
版本: 1.0.3
来源: community
分类: office-efficiency
标签: requires_api_key=false
需要说明的是，「图片文字提取」属于基于通用 SKILL.md 格式的 Skill，通常通过 SkillHub 页面的安装入口引入，具体安装命令以官方页面当时显示的内容为准。安装完成后，在对话中提供图片，并说明语言、关注区域和期望格式即可触发。
典型用法¶
在对话中给出图片路径或图片，并补充三件事：
- 语言：中文、英文，或中英混排。
- 关注区域：整图，或指定某个局部区域。
- 期望格式：Markdown、纯文本、JSON。
例如请求可以写成：提取这张票据图片里的文字，语言中文，关注整张图，输出 JSON。Skill 会先做质量检查并生成增强版本，逐块识别后输出报告，并把看不清或版本间冲突的字符单独标出。
适用场景与注意¶
适合：截图、扫描件、票据、表单、旧照片、手机拍摄图片；尤其是分辨率低、轻微失焦、有压缩噪点、阴影、倾斜、反色或对比度不足的图片。
需要注意：
- 不能恢复图片中已经丢失或被遮挡的真实像素。增强只能改善可读性，不能凭空还原。
- 不把猜测写成确定原文。版本间结果不一致的字符会被标为存疑，需要人工确认。
- 逐块提取加多版本比较，会比整图一次识别耗时更长，批量处理大量图片时要有预期。
- 识别准确率仍取决于图片本身，严重模糊或被遮挡的内容任何方法都救不回来。
- 官方页面显示评分 100000、下载 3525、安装 0。安装数为 0 说明这是较新的社区 Skill，采用前建议先用一两张图实测。
结尾¶
这个 Skill 的价值在于把”图片预处理 + 多版本交叉识别 + 存疑字符标注”串成一条流程，而不是单次调用一个 OCR 接口。对于经常处理劣化图片文字的开发者，它能减少反复试错的次数。
官方地址：https://api.skillhub.cn/user_a73a4047/image-text-extraction （SkillHub 页面：https://www.skillhub.cn/skills/user_a73a4047/image-text-extraction ）
