核心用法
Image OCR 是一款基于 Tesseract OCR 引擎的图像文字识别工具，能够将 PNG、JPEG、TIFF、BMP 等常见格式的图片转换为可编辑文本。
基础使用：
- 默认识别英文：
image-ocr "screenshot.png" - 指定语言识别：
image-ocr "document.jpg" --lang eng
技术背景：
Tesseract 是由 Google 维护的开源 OCR 引擎，自 2006 年起持续迭代，支持 100+ 种语言文字识别，在标准印刷体场景下准确率可达 90% 以上。
显著优点
1. 离线运行：无需网络连接，数据不上传云端，隐私可控
2. 开源免费：基于 Apache 2.0 协议，无授权费用
3. 多语言支持：内置丰富的语言训练数据包
4. 轻量集成：作为命令行工具易于嵌入自动化工作流
潜在局限
- 准确率波动：对手写体、低分辨率、复杂排版、倾斜文字的识别效果较差
- 无版面分析：仅能提取纯文本，无法保留原始文档结构（表格、分栏等）
- 依赖本地模型：识别质量受训练数据包版本和安装完整性影响
- 无 GPU 加速：纯 CPU 运算，大批量处理时速度受限
适合人群
- 开发人员构建文档自动化处理流水线
- 系统管理员进行批量图片文本提取
- 注重数据隐私、不愿使用云端 OCR 服务的个人/企业用户
- 需要离线 OCR 能力的边缘计算场景
常规风险
- 隐私泄露风险（低）：虽为本地处理，但输入图片可能包含敏感信息，需注意文件权限管理
- 误识别风险：关键业务场景需人工复核，不可完全依赖自动识别结果
- 依赖维护：Tesseract 版本更新可能带来 API 变化，需关注兼容性