@dragon708/docmind-ocr

OCR y utilidades de imagen para DocMind: normalización de rasters, Tesseract.js (carga perezosa), TIFF multipágina (decodificación y, cuando aplica, paso a PNG por página), preprocesado opcional (escala/contraste) y extractStructuredDataFromImage, que produce un StructuredDocumentResult alineado con PDF/DOCX para el resto del stack (Markdown, LLM, chunks).

Instalación

npm install @dragon708/docmind-ocr

Dependencias: @dragon708/docmind-shared, tesseract.js, heic-decode, utif (TIFF). El tamaño en bundle depende de cómo cargues idiomas y WASM de Tesseract.

API principal

OCR simple (una imagen raster)

import { ocr } from "@dragon708/docmind-ocr";

const result = await ocr(imageBytes, {
  langs: "eng+spa",
});
// result.text, result.confidence, …

Entrada típica: Uint8Array / ArrayBuffer de PNG, JPEG o WebP. El formato puede inferirse con sniffImageFormat / resolveImageFormat.

OCR detallado (layout)

import { ocrImageDetailed } from "@dragon708/docmind-ocr";

const detailed = await ocrImageDetailed(input, {
  /* OcrDetailedOptions */
});
// Bloques/líneas/bboxes según runtime y opciones

TIFF multipágina

import { ocrTiff } from "@dragon708/docmind-ocr";

const tiffResult = await ocrTiff(tiffBytes, {
  langs: "eng",
});
// Por página: texto agregado y metadatos; revisar warnings en navegador vs Node

Decodificación TIFF (sin OCR)

import {
  decodeTiff,
  extractTiffPages,
  encodeDecodedTiffPagesToPng,
} from "@dragon708/docmind-ocr";

const decoded = decodeTiff(tiffBytes);
const pages = extractTiffPages(tiffBytes);
const pngPages = encodeDecodedTiffPagesToPng(decoded);

Normalización antes de OCR

import { normalizeImageForOcr } from "@dragon708/docmind-ocr";

const normalized = await normalizeImageForOcr(rawBytes, {
  /* NormalizeImageForOcrOptions */
});

Preprocesado

import {
  preprocessImageForOcr,
  preprocessHasEffect,
  type PreprocessImageOptions,
  type PreprocessResizeOptions,
} from "@dragon708/docmind-ocr";

const processed = await preprocessImageForOcr(bytes, {
  resize: { maxWidth: 2000 },
});
if (preprocessHasEffect(options)) {
  /* … */
}

Documento estructurado desde imagen

import { extractStructuredDataFromImage } from "@dragon708/docmind-ocr";

const structured = await extractStructuredDataFromImage(imageInput, {
  /* ExtractStructuredDataFromImageOptions: langs, preprocess, etc. */
});
// structured.blocks, structured.text, structured.warnings

Este es el puente natural hacia @dragon708/docmind-markdown (renderMarkdown, renderLlmText, …) vía extractStructuredData en @dragon708/docmind-browser / @dragon708/docmind-node.

Utilidades de formato

import {
  mimeToFormat,
  resolveImageFormat,
  sniffImageFormat,
  type SupportedImageFormat,
} from "@dragon708/docmind-ocr";

Tipos exportados (resumen)

• OcrOptions, OcrResult: OCR básico.
• OcrDetailedOptions, OcrDetailedResult, OcrDetailedBlock, OcrDetailedLine, OcrBBox, OcrImageInput, OcrDetailedRuntime.
• NormalizeImageForOcrOptions, NormalizeImageForOcrResult, NormalizedOcrPixelFormat.
• PreprocessImageOptions, PreprocessResizeOptions.
• OcrTiffOptions, OcrTiffResult, OcrTiffPageText.
• ExtractStructuredDataFromImageOptions.
• TiffDecodeOptions, TiffDecodeResult, TiffDecodedPage, TiffExtractResult, TiffPngPage.

Runtime: navegador vs Node

• Tesseract.js funciona en ambos; la primera ejecución puede descargar worker + datos de idioma.
• TIFF: en navegador hay limitaciones documentadas en warnings (multipage, memoria); lee explainAnalysisPlan / getCapabilities en el cliente DocMind que uses (browser o Node).

Paquetes relacionados

| Paquete | Uso | |---------|-----| | @dragon708/docmind-pdf | Pipeline OCR raster sobre páginas PDF (@dragon708/docmind-pdf/pipeline) | | @dragon708/docmind-node / browser | runOcr, analyzeFile | | @dragon708/docmind-shared | Tipos structured |

Licencia

MIT (monorepo DocMind).