feat: 增加视频截帧功能，支持--video参数自动截帧+OCR

skills/kb-ocr-processor/ocr_processor.py

@@ -216,6 +216,50 @@ class OCRProcessor:
             print(f"Merged text saved to {text_path}")
 
 
+def extract_frames(video_path: str, output_dir: str, fps: float = 1.0) -> str:
+    """
+    使用 ffmpeg 从视频中截取帧图片
+
+    Args:
+        video_path: 视频文件路径
+        output_dir: 输出目录
+        fps: 每秒截取帧数 (默认: 1)
+
+    Returns:
+        帧图片目录路径
+    """
+    import subprocess
+
+    output_dir = Path(output_dir)
+    output_dir.mkdir(parents=True, exist_ok=True)
+
+    # ffmpeg 命令: -i 输入 -vf fps=fps 输出格式
+    cmd = [
+        "ffmpeg", "-y",
+        "-i", video_path,
+        "-vf", f"fps={fps}",
+        "-q:v", "2",  # 质量等级 (2=高质量)
+        str(output_dir / "%04d.jpg")
+    ]
+
+    print(f"🔄 截取视频帧: {video_path}")
+    print(f"   输出目录: {output_dir}")
+
+    try:
+        result = subprocess.run(cmd, capture_output=True, text=True)
+        if result.returncode == 0:
+            # 统计截取的帧数
+            frame_count = len(list(output_dir.glob("*.jpg")))
+            print(f"✅ 截取完成: {frame_count} 帧")
+            return str(output_dir)
+        else:
+            print(f"❌ ffmpeg 错误: {result.stderr}")
+            return ""
+    except FileNotFoundError:
+        print("❌ 错误: 未找到 ffmpeg，请先安装: apt install ffmpeg")
+        return ""
+
+
 def main():
     """命令行入口"""
     parser = argparse.ArgumentParser(
@@ -225,35 +269,56 @@ def main():
 示例:
   # 使用 EasyOCR 处理帧目录
   python ocr_processor.py --input ./frames/ --output ./ocr.json
-  
+
+  # 直接从视频截帧并 OCR
+  python ocr_processor.py --video ./video.flv --output ./ocr.json
+
   # 使用 Tesseract 处理
   python ocr_processor.py --input ./frames/ --output ./ocr.json --engine tesseract
-  
-  # 指定采样帧率
-  python ocr_processor.py --input ./frames/ --output ./ocr.json --fps 0.5
-  
+
+  # 指定截帧帧率
+  python ocr_processor.py --video ./video.flv --output ./ocr.json --fps 2
+
   # 同时生成合并的文本文件
   python ocr_processor.py --input ./frames/ --output ./ocr.json --merge
         """
     )
-    
-    parser.add_argument("--input", "-i", required=True, help="输入帧图片目录")
+
+    # 输入源：帧目录 或 视频文件（二选一）
+    input_group = parser.add_mutually_exclusive_group(required=True)
+    input_group.add_argument("--input", "-i", help="输入帧图片目录")
+    input_group.add_argument("--video", "-v", help="输入视频文件（会自动截帧）")
+
     parser.add_argument("--output", "-o", required=True, help="输出 JSON 文件路径")
-    parser.add_argument("--fps", "-f", type=float, default=0.1, help="采样帧率 (默认: 0.1)")
+    parser.add_argument("--fps", "-f", type=float, default=1.0, help="截帧帧率 (默认: 1帧/秒)")
     parser.add_argument("--engine", "-e", choices=["easyocr", "tesseract"],
                        default="easyocr", help="OCR 引擎 (默认: easyocr)")
     parser.add_argument("--merge", action="store_true", help="同时保存合并的文本文件")
     parser.add_argument("--languages", "-l", nargs="+",
                        default=["ch_sim", "en"], help="语言列表")
     parser.add_argument("--progress", "-p", help="可选：进度文件路径（会实时更新）")
-    
+
     args = parser.parse_args()
-    
+
+    # 如果指定了视频文件，先截帧
+    input_dir = args.input
+    if args.video:
+        if not os.path.exists(args.video):
+            print(f"❌ 视频文件不存在: {args.video}")
+            return 1
+
+        # 创建临时帧目录
+        frames_dir = Path(args.video).stem + "_frames"
+        input_dir = extract_frames(args.video, frames_dir, fps=args.fps)
+
+        if not input_dir:
+            return 1
+
     # 初始化处理器
     processor = OCRProcessor(engine=args.engine, languages=args.languages)
-    
+
     # 处理帧
-    results = processor.process_frames(args.input, fps=args.fps, progress_file=args.progress)
+    results = processor.process_frames(input_dir, fps=args.fps, progress_file=args.progress)
     
     if results:
         # 保存结果