Python OCR専門知識

適用範囲ガード

Pythonに固有。Python OCRライブラリまたはPythonベースのテキスト抽出パイプラインにのみアクティベートします。

使用する場合

• 画像またはスキャンドキュメントからテキストを抽出する
• 本番環境のOCRパイプラインを構築する
• OCRライブラリ間で選択・比較する
• OCR精度の問題をデバッグする

使用しない場合

• テキスト抽出を超えたドキュメント理解（ai-multimodalを使用）
• デジタルPDFからのPDFテキスト抽出（pdfスキルを使用——OCRは不要）
• Python以外のOCR実装
• シンプルなスクリーンショットのテキスト読み取り（Claudeのビジョン機能を直接使用）

アンチパターン

しないこと	理由	修正方法
画像前処理をスキップする	OCR精度が生画像で30～50%低下する	常に適用：グレースケール → ブラー → 大津の二値化 → 傾き補正
単一行テキストでデフォルトPSMモードを使用する	PSM 3（自動）は単純な入力に対してレイアウト分析に時間を無駄にする	対象を絞った抽出にはPSM 7（単一行）またはPSM 8（単一単語）を使用
信頼度スコアを無視する	低信頼度の結果がサイレントにゴミテキストを導入する	最小0.7の閾値でフィルタリング；ユースケースごとに調整
多言語本番環境でPyTesseractを使用する	Tesseract精度はディープラーニングオプションより大幅に遅れている	多言語にはPaddleOCR（最高精度）またはEasyOCR（最も簡単なセットアップ）を使用
WebサービスでリクエストごとにOCRモデルを読み込む	モデル読み込みに2～10秒かかり；レスポンス時間が致命的	モデルを起動時に1回初期化；リクエスト全体で再利用

競合

• pdfスキル：デジタルPDFテキストにはpdfスキルを使用；スキャン画像/ドキュメントのOCRにはこのスキルを使用。
• ai-multimodal：ドキュメント理解にはai-multimodalを使用；生テキスト抽出にはこのスキルを使用。

ライブラリ選択

ユースケース	ライブラリ	理由
シンプルなテキスト抽出	PyTesseract	最も軽量なセットアップ；クリーン画像で十分
最高精度（多言語）	PaddleOCR	最先端のPP-OCRv4/v5
迅速なセットアップ、80以上の言語	EasyOCR	ワンライナーセットアップ；良好な精度
ドキュメント理解	docTR	1つのパイプラインでレイアウト＋テキスト
手書きテキスト	TrOCR	Transformerベース；手書き用として最適
エッジ/モバイル展開	RapidOCR	ONNXベース；軽量

精度階層: PaddleOCR >= docTR > EasyOCR > PyTesseract

必須前処理

import cv2
def preprocess_for_ocr(image_path):
    img = cv2.imread(image_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    _, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    return binary

PyTesseract PSMモード（エキスパート知識）

PSM	ユースケース
3	完全自動（デフォルト）
4	単一列、可変サイズ
6	均一なテキストブロック
7	単一テキスト行
8	単一単語
11	スパーステキスト（可能な限り検出）
13	生行（ハック回避）

取り込みとルーティング

タスク	参照ファイル
新しいOCRパイプラインを構築する	workflows/build-ocr-pipeline.md
ライブラリを選択・比較する	workflows/library-selection.md
精度の問題をデバッグする	references/troubleshooting.md
画像前処理	references/preprocessing.md
PyTesseract深掘り	references/pytesseract.md
PaddleOCR深掘り	references/paddleocr.md
EasyOCR深掘り	references/easyocr.md
docTR/keras-ocr/TrOCR	references/doctr.md

関連スキル

• ai-multimodal — OCRを超えたドキュメント理解
• pdf — PDFテキスト抽出（デジタル、スキャンなし）
• media-processing — 画像前処理パイプライン