Upload 9 files

OCR_tool_glm/config_loader.py

@@ -0,0 +1,262 @@
+"""
+コンフィグ読み込み・Excel テンプレート生成モジュール
+
+YAML または Excel (.xlsx) のどちらでも同じ dict 構造を返す。
+glmocr.py / glmocr_ollama.py 双方から import して使う。
+
+Excel フォーマット（3 シート構成）:
+    settings   … image / output_dir / extract_table
+    preprocess … 前処理ステップの ON/OFF
+    sections   … 抽出セクション・フィールドの一覧テーブル
+
+使い方:
+    from config_loader import load_config, create_excel_template
+
+    cfg = load_config(Path("configs/invoice.yaml"))   # YAML
+    cfg = load_config(Path("configs/invoice.xlsx"))   # Excel
+    create_excel_template(cfg, Path("configs/new.xlsx"))
+"""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+import openpyxl
+from openpyxl.styles import Font, PatternFill, Alignment, Border, Side
+import yaml
+
+
+# ─────────────────────────────────────────────
+# 内部ユーティリティ
+# ─────────────────────────────────────────────
+
+def _to_bool(value) -> bool:
+    """セル値を bool に変換する（Excel の TRUE/FALSE 文字列にも対応）。"""
+    if isinstance(value, bool):
+        return value
+    return str(value).strip().upper() in ("TRUE", "YES", "1", "〇", "ON")
+
+
+def _header_style(ws, row: int, fill_color: str = "4472C4"):
+    """指定行をヘッダー行としてスタイルを適用する。"""
+    fill = PatternFill(start_color=fill_color, end_color=fill_color, fill_type="solid")
+    font = Font(color="FFFFFF", bold=True)
+    border = Border(
+        bottom=Side(style="medium", color="FFFFFF"),
+    )
+    for cell in ws[row]:
+        cell.fill = fill
+        cell.font = font
+        cell.alignment = Alignment(horizontal="center", vertical="center")
+        cell.border = border
+
+
+def _zebra_row(ws, row: int, is_odd: bool):
+    """偶数/奇数行で背景色を交互にする（ゼブラストライプ）。"""
+    color = "EAF2FF" if is_odd else "FFFFFF"
+    fill = PatternFill(start_color=color, end_color=color, fill_type="solid")
+    for cell in ws[row]:
+        cell.fill = fill
+
+
+def _set_column_widths(ws, widths: list[int]):
+    """列幅を一括設定する。"""
+    cols = list(ws.column_dimensions.keys())
+    for i, w in enumerate(widths):
+        col = cols[i] if i < len(cols) else chr(65 + i)
+        ws.column_dimensions[col].width = w
+
+
+# ─────────────────────────────────────────────
+# YAML 読み込み
+# ─────────────────────────────────────────────
+
+def _load_yaml(path: Path) -> dict:
+    """YAML ファイルをロードして dict を返す。"""
+    with path.open(encoding="utf-8") as f:
+        return yaml.safe_load(f)
+
+
+# ─────────────────────────────────────────────
+# Excel 読み込み
+# ─────────────────────────────────────────────
+
+def _load_excel(path: Path) -> dict:
+    """Excel コンフィグ (.xlsx) をロードして YAML 互換の dict を返す。
+
+    期待するシート:
+        settings   : A列=キー, B列=値  (ヘッダー行は読み飛ばす)
+        preprocess : A列=ステップ名, B列=TRUE/FALSE
+        sections   : A列=section_key, B列=section_label, C列=field_key
+    """
+    wb = openpyxl.load_workbook(path, data_only=True)
+    cfg: dict = {}
+
+    # ── settings シート ──────────────────────
+    if "settings" in wb.sheetnames:
+        ws = wb["settings"]
+        rows = list(ws.iter_rows(min_row=2, values_only=True))  # 1行目はヘッダー
+        for row in rows:
+            if not row[0]:
+                continue
+            key = str(row[0]).strip()
+            val = row[1]
+            if key == "extract_table":
+                cfg[key] = _to_bool(val)
+            else:
+                cfg[key] = str(val).strip() if val is not None else ""
+
+    # ── preprocess シート ────────────────────
+    if "preprocess" in wb.sheetnames:
+        ws = wb["preprocess"]
+        rows = list(ws.iter_rows(min_row=2, values_only=True))
+        preprocess: dict = {}
+        for row in rows:
+            if not row[0]:
+                continue
+            step = str(row[0]).strip()
+            preprocess[step] = _to_bool(row[1]) if row[1] is not None else True
+        cfg["preprocess"] = preprocess
+
+    # ── sections シート ──────────────────────
+    if "sections" in wb.sheetnames:
+        ws = wb["sections"]
+        rows = list(ws.iter_rows(min_row=2, values_only=True))
+        sections: dict = {}
+        for row in rows:
+            if not row[0]:
+                continue
+            sec_key = str(row[0]).strip()
+            sec_label = str(row[1]).strip() if row[1] else sec_key
+            field_key = str(row[2]).strip() if row[2] else None
+            if not field_key:
+                continue
+            if sec_key not in sections:
+                sections[sec_key] = {"label": sec_label, "fields": {}}
+            sections[sec_key]["fields"][field_key] = ""
+        cfg["sections"] = sections
+
+    return cfg
+
+
+# ─────────────────────────────────────────────
+# 公開関数: コンフィグ読み込み
+# ─────────────────────────────────────────────
+
+def load_config(config_path: Path) -> dict:
+    """YAML または Excel (.xlsx) のコンフィグを読み込んで dict を返す。
+
+    ファイル拡張子で自動判別する:
+        .yaml / .yml → YAML として読み込む
+        .xlsx        → Excel として読み込む
+
+    Args:
+        config_path: コンフィグファイルのパス
+
+    Returns:
+        dict: コンフィグ辞書（YAML と同一構造）
+
+    Raises:
+        ValueError: 対応していない拡張子の場合
+    """
+    suffix = config_path.suffix.lower()
+    if suffix in (".yaml", ".yml"):
+        return _load_yaml(config_path)
+    if suffix == ".xlsx":
+        return _load_excel(config_path)
+    raise ValueError(f"対応していないコンフィグ形式です: {suffix}（.yaml / .xlsx のみ有効）")
+
+
+# ─────────────────────────────────────────────
+# 公開関数: Excel テンプレート生成
+# ─────────────────────────────────────────────
+
+# セクション一覧シートのヘッダー説明文
+_SECTIONS_HEADER_NOTE = (
+    "section_key（変更不可）"
+    " │ section_label（Excel出力時のシート名）"
+    " │ field_key（変更不可）"
+)
+
+def create_excel_template(cfg: dict, xlsx_path: Path) -> None:
+    """コンフィグ dict から編集しやすい Excel テンプレートを生成する。
+
+    生成されるシート:
+        settings   … 基本設定（image / output_dir / extract_table）
+        preprocess … 前処理ステップ ON/OFF
+        sections   … 全セクション・フィールドの一覧テーブル
+
+    Args:
+        cfg: load_config() で取得したコンフィグ dict
+        xlsx_path: 出力先 xlsx ファイルパス
+    """
+    wb = openpyxl.Workbook()
+
+    # ── settings シート ──────────────────────
+    ws_s = wb.active
+    ws_s.title = "settings"
+
+    ws_s.append(["キー", "値", "説明"])
+    _header_style(ws_s, 1, "2E75B6")
+
+    data_s = [
+        ("image",        cfg.get("image", ""),        "対象ファイルパス（画像または PDF）"),
+        ("output_dir",   cfg.get("output_dir", "output"), "Excel 出力先ディレクトリ"),
+        ("extract_table", cfg.get("extract_table", True), "テーブル認識を実行する（TRUE/FALSE）"),
+    ]
+    for i, row in enumerate(data_s, start=2):
+        ws_s.append(list(row))
+        _zebra_row(ws_s, i, i % 2 == 0)
+
+    _set_column_widths(ws_s, [22, 28, 44])
+
+    # ── preprocess シート ────────────────────
+    ws_p = wb.create_sheet("preprocess")
+
+    ws_p.append(["前処理ステップ", "有効（TRUE/FALSE）", "説明"])
+    _header_style(ws_p, 1, "2E75B6")
+
+    default_pre = {"deskew": True, "denoise": True, "enhance_contrast": True, "sharpen": True}
+    pre_desc = {
+        "deskew":           "傾き補正（スキャン・手持ち撮影の傾きを Hough 変換で自動補正）",
+        "denoise":          "ノイズ除去（バイラテラルフィルタ、エッジを保護しながら平滑化）",
+        "enhance_contrast": "コントラスト強調（照明ムラに有効な CLAHE）",
+        "sharpen":          "シャープ化（Unsharp Masking でぼけを補正）",
+    }
+    pre_cfg = cfg.get("preprocess", default_pre)
+    for i, (step, desc) in enumerate(pre_desc.items(), start=2):
+        ws_p.append([step, pre_cfg.get(step, True), desc])
+        _zebra_row(ws_p, i, i % 2 == 0)
+
+    _set_column_widths(ws_p, [22, 22, 54])
+
+    # ── sections シート ──────────────────────
+    ws_sec = wb.create_sheet("sections")
+
+    ws_sec.append(["section_key", "section_label", "field_key"])
+    _header_style(ws_sec, 1, "2E75B6")
+
+    row_idx = 2
+    sections = cfg.get("sections", {})
+    prev_sec = None
+    for sec_key, sec_cfg in sections.items():
+        label = sec_cfg.get("label", sec_key)
+        fields = sec_cfg.get("fields", {})
+        # セクションが変わるたびに色を切り替える
+        is_odd = (list(sections.keys()).index(sec_key) % 2 == 0)
+        for field_key in fields:
+            ws_sec.append([sec_key, label, field_key])
+            _zebra_row(ws_sec, row_idx, is_odd)
+            row_idx += 1
+
+    _set_column_widths(ws_sec, [18, 22, 22])
+
+    # 注釈行
+    ws_sec.append([])
+    ws_sec.append(["※ section_key と field_key はスクリプトが参照するキー名です。変更する場合は一致を確認してください。"])
+    note_cell = ws_sec.cell(row=row_idx + 2, column=1)
+    note_cell.font = Font(color="888888", italic=True)
+
+    xlsx_path.parent.mkdir(parents=True, exist_ok=True)
+    wb.save(str(xlsx_path))
+    print(f"[OK]   Excel テンプレート生成: {xlsx_path}")

OCR_tool_glm/configs/invoice.yaml

@@ -0,0 +1,67 @@
+# ─────────────────────────────────────────────
+# GLM-OCR タスク設定: 請求書 (Invoice)
+# ─────────────────────────────────────────────
+
+# 対象ファイル（画像: .jpg/.png/.webp など、またはPDF: .pdf）
+image: "OCR検証.webp"
+
+# 出力先ディレクトリ（スクリプトからの相対パス）
+output_dir: "output"
+
+# テーブル認識を実行するか（明細行などがある場合は true）
+extract_table: true
+
+# ─────────────────────────────────────────────
+# 前処理設定（OCR精度向上のための画像前処理）
+# 省略した場合はすべて true（全ステップ有効）
+# ─────────────────────────────────────────────
+preprocess:
+  deskew: true           # 傾き補正（スキャン・手持ち撮影の傾きを自動補正）
+  denoise: true          # ノイズ除去（バイラテラルフィルタ、エッジを保護しながら平滑化）
+  enhance_contrast: true # コントラスト強調（照明ムラに有効な CLAHE）
+  sharpen: true          # シャープ化（Unsharp Masking でぼけを補正）
+
+# 抽出するセクション定義
+# - キー名 がそのまま出力ファイル名になります（例: header → output_header.tsv）
+# - label  は実行ログに表示する日本語名
+# - fields の値は空文字のまま（モデルが埋めてくれます）
+sections:
+  header:
+    label: "ヘッダー情報"
+    fields:
+      date: ""
+      invoice_no: ""
+      due_date: ""
+
+  issuer:
+    label: "発行者情報"
+    fields:
+      company: ""
+      address: ""
+      tel: ""
+      email: ""
+      registration_no: ""
+
+  billed_to:
+    label: "請求先情報"
+    fields:
+      company: ""
+      address: ""
+
+  summary:
+    label: "合計情報"
+    fields:
+      subtotal: ""
+      tax_10pct: ""
+      tax_8pct: ""
+      total: ""
+
+  remittance:
+    label: "振込情報"
+    fields:
+      bank: ""
+      branch: ""
+      account_type: ""
+      account_no: ""
+      account_name: ""
+      note: ""

OCR_tool_glm/configs/my.yaml

@@ -0,0 +1,28 @@
+# ─────────────────────────────────────────────
+# GLM-OCR タスク設定: 領収書 (Receipt)
+# ─────────────────────────────────────────────
+# 領収書は明細テーブルがない場合が多いので extract_table: false
+
+image: "test_yaml.webp"
+output_dir: "output"
+extract_table: true
+
+sections:
+  address:
+    label: "宛名"
+    fields:
+      name: ""
+      address: ""
+      tel: ""
+
+  date:
+    label: "取引日"
+    fields:
+      date: ""
+      receipt_no: ""
+      payment_method: ""
+
+  title:
+    label: "タイトル"
+    fields:
+      title_name: ""

OCR_tool_glm/glmocr.py

@@ -0,0 +1,412 @@
+"""
+GLM-OCR 汎用画像OCR・Excel出力スクリプト
+
+モデル : zai-org/GLM-OCR (HuggingFace)
+設定   : YAML または Excel (.xlsx) のコンフィグファイルで抽出項目・画像・出力先を定義
+使い方 :
+    python glmocr.py --config configs/invoice.yaml
+    python glmocr.py --config configs/invoice.xlsx
+    python glmocr.py --config configs/invoice.yaml --image scan.pdf
+    python glmocr.py --config configs/invoice.yaml --create-excel   # Excel テンプレート生成
+出力   : {output_dir}/{config名}.xlsx（セクションごとにシートを分けて保存）
+         PDF 複数ページの場合はシート名を P01_/P02_... でページ区別する
+"""
+
+import argparse
+import json
+import re
+import sys
+from html.parser import HTMLParser
+from pathlib import Path
+
+from config_loader import load_config, create_excel_template
+from preprocess import apply_preprocess, load_input_images
+
+# Windows コンソールの文字化け対策
+if sys.stdout.encoding != "utf-8":
+    sys.stdout.reconfigure(encoding="utf-8", errors="replace")
+if sys.stderr.encoding != "utf-8":
+    sys.stderr.reconfigure(encoding="utf-8", errors="replace")
+
+import pandas as pd
+import torch
+from transformers import AutoProcessor, AutoModelForImageTextToText
+
+MODEL_ID = "zai-org/GLM-OCR"
+
+
+# ─────────────────────────────────────────────
+# JSON スキーマ動的生成
+# ─────────────────────────────────────────────
+def build_json_schema(sections: dict) -> str:
+    """YAML sections 定義から GLM-OCR 用 JSON スキーマ文字列を生成する。
+
+    Args:
+        sections: YAML の sections 辞書
+
+    Returns:
+        str: JSON スキーマ文字列
+    """
+    schema = {name: cfg["fields"] for name, cfg in sections.items()}
+    return json.dumps(schema, ensure_ascii=False, indent=2)
+
+
+# ─────────────────────────────────────────────
+# モデル読み込み
+# ─────────────────────────────────────────────
+def load_model():
+    """GLM-OCR モデルと Processor を読み込む。
+
+    Returns:
+        tuple[AutoModelForImageTextToText, AutoProcessor]: モデルとプロセッサ
+    """
+    print(f"[INFO] モデルを読み込んでいます: {MODEL_ID}")
+    processor = AutoProcessor.from_pretrained(MODEL_ID)
+    model = AutoModelForImageTextToText.from_pretrained(
+        MODEL_ID,
+        torch_dtype="auto",
+        device_map="auto",
+    )
+    model.eval()
+    print(f"[INFO] モデル読み込み完了 (device: {model.device})")
+    return model, processor
+
+
+# ─────────────────────────────────────────────
+# 推論
+# ─────────────────────────────────────────────
+def run_ocr(model, processor, pil_image: Image.Image, prompt: str) -> str:
+    """単一プロンプトで GLM-OCR 推論を実行する。
+
+    Args:
+        model: GLM-OCR モデル
+        processor: GLM-OCR プロセッサ
+        pil_image: 入力画像 (PIL.Image)
+        prompt: OCR プロンプト文字列
+
+    Returns:
+        str: モデルが生成したテキスト
+    """
+    messages = [
+        {
+            "role": "user",
+            "content": [
+                {"type": "image", "image": pil_image},
+                {"type": "text", "text": prompt},
+            ],
+        }
+    ]
+
+    inputs = processor.apply_chat_template(
+        messages,
+        tokenize=True,
+        add_generation_prompt=True,
+        return_dict=True,
+        return_tensors="pt",
+    )
+    inputs.pop("token_type_ids", None)
+    inputs = {k: v.to(model.device) for k, v in inputs.items()}
+
+    with torch.no_grad():
+        generated_ids = model.generate(**inputs, max_new_tokens=8192)
+
+    output_text = processor.decode(
+        generated_ids[0][inputs["input_ids"].shape[1]:],
+        skip_special_tokens=True,
+    )
+    return output_text.strip()
+
+
+# ─────────────────────────────────────────────
+# パース: HTML テーブル → DataFrame
+# ─────────────────────────────────────────────
+class _HtmlTableParser(HTMLParser):
+    """HTML テーブルをパースして行リストを収集するシンプルなパーサー。"""
+
+    def __init__(self):
+        super().__init__()
+        self.rows: list[list[str]] = []
+        self._current_row: list[str] = []
+        self._current_cell: str = ""
+        self._in_cell: bool = False
+
+    def handle_starttag(self, tag, attrs):
+        if tag == "tr":
+            self._current_row = []
+        elif tag in ("td", "th"):
+            self._current_cell = ""
+            self._in_cell = True
+
+    def handle_endtag(self, tag):
+        if tag in ("td", "th"):
+            self._current_row.append(self._current_cell.strip())
+            self._in_cell = False
+        elif tag == "tr":
+            if self._current_row:
+                self.rows.append(self._current_row)
+
+    def handle_data(self, data):
+        if self._in_cell:
+            self._current_cell += data
+
+
+def parse_html_table(text: str) -> pd.DataFrame:
+    """OCR 出力テキストから HTML テーブルを抽出して DataFrame に変換する。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    match = re.search(r"<table.*?>.*?</table>", text, re.DOTALL | re.IGNORECASE)
+    if not match:
+        return pd.DataFrame()
+
+    parser = _HtmlTableParser()
+    parser.feed(match.group(0))
+
+    if len(parser.rows) < 2:
+        return pd.DataFrame()
+
+    return pd.DataFrame(parser.rows[1:], columns=parser.rows[0])
+
+
+# ─────────────────────────────────────────────
+# パース: Markdown テーブル → DataFrame
+# ─────────────────────────────────────────────
+def parse_markdown_table(text: str) -> pd.DataFrame:
+    """OCR 出力テキストから Markdown テーブルを抽出して DataFrame に変換する。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    table_lines = [l for l in text.splitlines() if "|" in l]
+    if len(table_lines) < 2:
+        return pd.DataFrame()
+
+    data_lines = [l for l in table_lines if not re.match(r"^\|[\s\-:|]+\|$", l)]
+    rows = [[c.strip() for c in l.strip().strip("|").split("|")] for l in data_lines]
+
+    if not rows:
+        return pd.DataFrame()
+    return pd.DataFrame(rows[1:], columns=rows[0])
+
+
+def parse_table(text: str) -> pd.DataFrame:
+    """HTML または Markdown テーブルを自動判別してパースする。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    if "<table" in text.lower():
+        return parse_html_table(text)
+    return parse_markdown_table(text)
+
+
+# ─────────────────────────────────────────────
+# パース: JSON テキスト → dict
+# ─────────────────────────────────────────────
+def parse_json_output(text: str) -> dict:
+    """OCR 出力テキストから JSON 部分を抽出してパースする。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        dict: パースされた JSON データ。失敗時は空の dict。
+    """
+    code_block = re.search(r"```(?:json)?\s*(\{.*?\})\s*```", text, re.DOTALL)
+    json_str = code_block.group(1) if code_block else None
+
+    if not json_str:
+        brace_match = re.search(r"\{.*\}", text, re.DOTALL)
+        if not brace_match:
+            return {}
+        json_str = brace_match.group(0)
+
+    try:
+        return json.loads(json_str)
+    except json.JSONDecodeError:
+        json_str_fixed = re.sub(r",\s*([}\]])", r"\1", json_str)
+        try:
+            return json.loads(json_str_fixed)
+        except json.JSONDecodeError:
+            return {}
+
+
+# ─────────────────────────────────────────────
+# Excel 保存（全シートまとめ書き）
+# ─────────────────────────────────────────────
+def save_excel(sheets: dict[str, pd.DataFrame], filepath: Path) -> None:
+    """複数の DataFrame を 1 つの Excel ファイルにシートごとに保存する。
+
+    Args:
+        sheets: {シート名: DataFrame} の辞書（空の DataFrame は空シートとして保存）
+        filepath: 出力先 Excel ファイルのパス (.xlsx)
+    """
+    filepath.parent.mkdir(parents=True, exist_ok=True)
+    with pd.ExcelWriter(filepath, engine="openpyxl") as writer:
+        for sheet_name, df in sheets.items():
+            # Excel シート名は 31 文字以内の制限あり
+            safe_name = sheet_name[:31]
+            df.to_excel(writer, sheet_name=safe_name, index=False)
+            row_info = f"{len(df)} 行" if not df.empty else "データなし"
+            print(f"[OK]   シート '{safe_name}' を書き込みました ({row_info})")
+    print(f"[OK]   Excel 保存完了: {filepath}")
+
+
+# ─────────────────────────────────────────────
+# セクション dict → DataFrame 変換
+# ─────────────────────────────────────────────
+def section_to_df(section: dict) -> pd.DataFrame:
+    """1 レベルの dict を「key / value」の 2 列 DataFrame に変換する。
+
+    Args:
+        section: キーと値を持つ辞書
+
+    Returns:
+        pd.DataFrame: key / value の 2 列 DataFrame
+    """
+    if not section:
+        return pd.DataFrame()
+    return pd.DataFrame({"key": list(section.keys()), "value": list(section.values())})
+
+
+# ─────────────────────────────────────────────
+# メイン
+# ─────────────────────────────────────────────
+def main():
+    """メイン処理: コンフィグ読み込み → 画像OCR → Excel 出力。"""
+    parser = argparse.ArgumentParser(description="GLM-OCR 汎用画像OCR・CSV出力スクリプト")
+    parser.add_argument(
+        "--config", "-c", required=True, type=Path,
+        help="コンフィグファイルのパス（.yaml または .xlsx）例: configs/invoice.yaml",
+    )
+    parser.add_argument(
+        "--image", "-i", type=Path, default=None,
+        help="画像ファイルのパス（省略時はコンフィグの image 設定を使用）",
+    )
+    parser.add_argument(
+        "--create-excel", action="store_true",
+        help="コンフィグを読み込んで Excel テンプレートを生成して終了する",
+    )
+    args = parser.parse_args()
+
+    # ── コンフィグ読み込み ────────────────────
+    config_path = args.config.resolve()
+    if not config_path.exists():
+        print(f"[ERROR] コンフィグが見つかりません: {config_path}", file=sys.stderr)
+        sys.exit(1)
+
+    cfg = load_config(config_path)
+
+    # ── Excel テンプレート生成モード ──────────
+    if args.create_excel:
+        xlsx_path = config_path.with_suffix(".xlsx")
+        create_excel_template(cfg, xlsx_path)
+        print(f"[INFO] Excel テンプレートを生成しました: {xlsx_path}")
+        sys.exit(0)
+    config_dir = config_path.parent.parent  # configs/ の親 = スクリプトのディレクトリ
+
+    # 画像パスの解決（CLI引数 > YAML設定）
+    if args.image:
+        image_path = args.image.resolve()
+    else:
+        image_path = (config_dir / cfg["image"]).resolve()
+
+    output_dir = (config_dir / cfg.get("output_dir", "output")).resolve()
+    extract_table: bool = cfg.get("extract_table", True)
+    sections: dict = cfg.get("sections", {})
+
+    if not image_path.exists():
+        print(f"[ERROR] 画像が見つかりません: {image_path}", file=sys.stderr)
+        sys.exit(1)
+
+    # 出力 Excel ファイル名: {config名}.xlsx
+    excel_path = output_dir / f"{config_path.stem}.xlsx"
+    preprocess_cfg: dict = cfg.get("preprocess", {})
+
+    print(f"[INFO] コンフィグ : {config_path.name}")
+    print(f"[INFO] 対象ファイル: {image_path}")
+    print(f"[INFO] 出力先    : {excel_path}")
+    print(f"[INFO] テーブル認識: {'あり' if extract_table else 'なし'}")
+    print(f"[INFO] 抽出セクション: {list(sections.keys())}")
+    print(f"[INFO] 前処理設定: {preprocess_cfg or '全ステップ ON（デフォルト）'}")
+
+    # ── 入力読み込み（画像 or PDF 全ページ）──
+    print(f"\n[INFO] ファイルを読み込んでいます...")
+    raw_pages = load_input_images(image_path)
+    total_pages = len(raw_pages)
+    print(f"[INFO] ページ数: {total_pages}")
+
+    # ── モデル読み込み ────────────────────────
+    model, processor = load_model()
+
+    # 書き込むシートを収集する辞書 {シート名: DataFrame}
+    sheets: dict[str, pd.DataFrame] = {}
+
+    # ── 各ページを処理 ────────────────────────
+    for page_no, raw_image in enumerate(raw_pages, start=1):
+        # 複数ページの場合はシート名に P01_ / P02_ ... を付与
+        prefix = f"P{page_no:02d}_" if total_pages > 1 else ""
+        print(f"\n{'─' * 50}")
+        print(f"[INFO] ページ {page_no}/{total_pages} を処理中...")
+
+        # 前処理
+        pil_image = apply_preprocess(raw_image, preprocess_cfg)
+        print(f"[INFO] 画像サイズ: {pil_image.size}")
+
+        # ── 推論①: テーブル認識（オプション）──
+        if extract_table:
+            print("[INFO] 推論① テーブル認識 を実行中...")
+            table_text = run_ocr(model, processor, pil_image, "Table Recognition:")
+            print("[RAW] テーブル認識 出力:")
+            print(table_text)
+            print()
+            sheets[f"{prefix}table"] = parse_table(table_text)
+
+        # ── 推論②: 構造化 JSON 抽出 ──────────
+        if sections:
+            print("[INFO] 推論② 構造化 JSON 抽出 を実行中...")
+            json_schema = build_json_schema(sections)
+            extract_prompt = (
+                "Extract all the following information from this image "
+                "and fill in the JSON template below. "
+                "Return only valid JSON, no extra text.\n\n"
+                + json_schema
+            )
+            json_text = run_ocr(model, processor, pil_image, extract_prompt)
+            print("[RAW] JSON 抽出 出力:")
+            print(json_text)
+            print()
+
+            data = parse_json_output(json_text)
+            for section_name, section_cfg in sections.items():
+                label = f"{prefix}{section_cfg.get('label', section_name)}"
+                sheets[label] = section_to_df(data.get(section_name, {}))
+
+    # ── Excel 保存 ────────────────────────────
+    print()
+    save_excel(sheets, excel_path)
+
+    # ── 結果サマリー表示 ─────────────────────
+    print("\n" + "=" * 60)
+    print("  出力結果サマリー")
+    print("=" * 60)
+
+    for sheet_name, df in sheets.items():
+        print(f"\n▼ {sheet_name}")
+        print(df.to_string(index=False) if not df.empty else "  (データなし)")
+
+    print("\n[INFO] 全処理が完了しました。")
+
+
+if __name__ == "__main__":
+    main()

OCR_tool_glm/glmocr_ollama.py

@@ -0,0 +1,424 @@
+"""
+GLM-OCR (Ollama) 汎用画像OCR・Excel出力スクリプト
+
+モデル : glm-ocr:latest (Ollama ローカル実行)
+設定   : YAML または Excel (.xlsx) のコンフィグファイルで抽出項目・画像・出力先を定義
+使い方 :
+    python glmocr_ollama.py --config configs/invoice.yaml
+    python glmocr_ollama.py --config configs/invoice.xlsx
+    python glmocr_ollama.py --config configs/invoice.yaml --image scan.pdf
+    python glmocr_ollama.py --config configs/invoice.yaml --model glm-ocr:latest
+    python glmocr_ollama.py --config configs/invoice.yaml --create-excel  # Excel テンプレート生成
+出力   : {output_dir}/{config名}.xlsx（セクションごとにシートを分けて保存）
+         PDF 複数ページの場合はシート名を P01_/P02_... でページ区別する
+
+前提条件:
+    - Ollama が起動していること (ollama serve)
+    - glm-ocr モデルが pull 済みであること (ollama pull glm-ocr)
+"""
+
+import argparse
+import base64
+import json
+import re
+import sys
+from html.parser import HTMLParser
+from io import BytesIO
+from pathlib import Path
+
+from config_loader import load_config, create_excel_template
+from preprocess import apply_preprocess, load_input_images
+
+# Windows コンソールの文字化け対策
+if sys.stdout.encoding != "utf-8":
+    sys.stdout.reconfigure(encoding="utf-8", errors="replace")
+if sys.stderr.encoding != "utf-8":
+    sys.stderr.reconfigure(encoding="utf-8", errors="replace")
+
+import ollama
+import pandas as pd
+
+DEFAULT_MODEL = "glm-ocr:latest"
+
+
+# ─────────────────────────────────────────────
+# JSON スキーマ動的生成
+# ─────────────────────────────────────────────
+def build_json_schema(sections: dict) -> str:
+    """YAML sections 定義から GLM-OCR 用 JSON スキーマ文字列を生成する。
+
+    Args:
+        sections: YAML の sections 辞書
+
+    Returns:
+        str: JSON スキーマ文字列
+    """
+    schema = {name: cfg["fields"] for name, cfg in sections.items()}
+    return json.dumps(schema, ensure_ascii=False, indent=2)
+
+
+# ─────────────────────────────────────────────
+# Ollama 接続確認
+# ─────────────────────────────────────────────
+def check_model(model: str) -> None:
+    """指定モデルが Ollama にあるか確認する。なければ終了。
+
+    Args:
+        model: Ollama モデル名 (例: "glm-ocr:latest")
+
+    Raises:
+        SystemExit: モデルが見つからない場合
+    """
+    try:
+        models = [m.model for m in ollama.list().models]
+    except Exception as e:
+        print(f"[ERROR] Ollama に接続できません: {e}", file=sys.stderr)
+        print("[ERROR] 'ollama serve' で Ollama を起動してください。", file=sys.stderr)
+        sys.exit(1)
+
+    if model not in models:
+        print(f"[ERROR] モデル '{model}' が見つかりません。", file=sys.stderr)
+        print(f"[ERROR] 利用可能なモデル: {models}", file=sys.stderr)
+        print(f"[ERROR] 'ollama pull {model}' で取得してください。", file=sys.stderr)
+        sys.exit(1)
+
+    print(f"[INFO] モデル確認OK: {model}")
+
+
+# ─────────────────────────────────────────────
+# 推論
+# ─────────────────────────────────────────────
+def pil_to_base64(pil_image: Image.Image) -> str:
+    """PIL Image を base64 文字列に変換する。
+
+    Args:
+        pil_image: 入力画像
+
+    Returns:
+        str: base64 エンコードされた PNG 画像文字列
+    """
+    buf = BytesIO()
+    pil_image.save(buf, format="PNG")
+    return base64.b64encode(buf.getvalue()).decode()
+
+
+def run_ocr(model: str, pil_image: Image.Image, prompt: str) -> str:
+    """Ollama を使って単一プロンプトで GLM-OCR 推論を実行する。
+
+    Args:
+        model: Ollama モデル名
+        pil_image: 入力画像 (PIL.Image)
+        prompt: OCR プロンプト文字列
+
+    Returns:
+        str: モデルが生成したテキスト
+    """
+    response = ollama.chat(
+        model=model,
+        messages=[
+            {
+                "role": "user",
+                "content": prompt,
+                "images": [pil_to_base64(pil_image)],
+            }
+        ],
+    )
+    return response.message.content.strip()
+
+
+# ─────────────────────────────────────────────
+# パース: HTML テーブル → DataFrame
+# ──────────────���──────────────────────────────
+class _HtmlTableParser(HTMLParser):
+    """HTML テーブルをパースして行リストを収集するシンプルなパーサー。"""
+
+    def __init__(self):
+        super().__init__()
+        self.rows: list[list[str]] = []
+        self._current_row: list[str] = []
+        self._current_cell: str = ""
+        self._in_cell: bool = False
+
+    def handle_starttag(self, tag, attrs):
+        if tag == "tr":
+            self._current_row = []
+        elif tag in ("td", "th"):
+            self._current_cell = ""
+            self._in_cell = True
+
+    def handle_endtag(self, tag):
+        if tag in ("td", "th"):
+            self._current_row.append(self._current_cell.strip())
+            self._in_cell = False
+        elif tag == "tr":
+            if self._current_row:
+                self.rows.append(self._current_row)
+
+    def handle_data(self, data):
+        if self._in_cell:
+            self._current_cell += data
+
+
+def parse_html_table(text: str) -> pd.DataFrame:
+    """OCR 出力テキストから HTML テーブルを抽出して DataFrame に変換する。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    match = re.search(r"<table.*?>.*?</table>", text, re.DOTALL | re.IGNORECASE)
+    if not match:
+        return pd.DataFrame()
+
+    parser = _HtmlTableParser()
+    parser.feed(match.group(0))
+
+    if len(parser.rows) < 2:
+        return pd.DataFrame()
+
+    return pd.DataFrame(parser.rows[1:], columns=parser.rows[0])
+
+
+# ─────────────────────────────────────────────
+# パース: Markdown テーブル → DataFrame
+# ─────────────────────────────────────────────
+def parse_markdown_table(text: str) -> pd.DataFrame:
+    """OCR 出力テキストから Markdown テーブルを抽出して DataFrame に変換する。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    table_lines = [l for l in text.splitlines() if "|" in l]
+    if len(table_lines) < 2:
+        return pd.DataFrame()
+
+    data_lines = [l for l in table_lines if not re.match(r"^\|[\s\-:|]+\|$", l)]
+    rows = [[c.strip() for c in l.strip().strip("|").split("|")] for l in data_lines]
+
+    if not rows:
+        return pd.DataFrame()
+    return pd.DataFrame(rows[1:], columns=rows[0])
+
+
+def parse_table(text: str) -> pd.DataFrame:
+    """HTML または Markdown テーブルを自動判別してパースする。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        pd.DataFrame: テーブルデータ。見つからない場合は空の DataFrame。
+    """
+    if "<table" in text.lower():
+        return parse_html_table(text)
+    return parse_markdown_table(text)
+
+
+# ─────────────────────────────────────────────
+# パース: JSON テキスト → dict
+# ─────────────────────────────────────────────
+def parse_json_output(text: str) -> dict:
+    """OCR 出力テキストから JSON 部分を抽出してパースする。
+
+    Args:
+        text: OCR モデルの出力テキスト
+
+    Returns:
+        dict: パースされた JSON データ。失敗時は空の dict。
+    """
+    code_block = re.search(r"```(?:json)?\s*(\{.*?\})\s*```", text, re.DOTALL)
+    json_str = code_block.group(1) if code_block else None
+
+    if not json_str:
+        brace_match = re.search(r"\{.*\}", text, re.DOTALL)
+        if not brace_match:
+            return {}
+        json_str = brace_match.group(0)
+
+    try:
+        return json.loads(json_str)
+    except json.JSONDecodeError:
+        json_str_fixed = re.sub(r",\s*([}\]])", r"\1", json_str)
+        try:
+            return json.loads(json_str_fixed)
+        except json.JSONDecodeError:
+            return {}
+
+
+# ─────────────────────────────────────────────
+# Excel 保存（全シートまとめ書き）
+# ─────────────────────────────────────────────
+def save_excel(sheets: dict[str, pd.DataFrame], filepath: Path) -> None:
+    """複数の DataFrame を 1 つの Excel ファイルにシートごとに保存する。
+
+    Args:
+        sheets: {シート名: DataFrame} の辞書（空の DataFrame は空シートとして保存）
+        filepath: 出力先 Excel ファイルのパス (.xlsx)
+    """
+    filepath.parent.mkdir(parents=True, exist_ok=True)
+    with pd.ExcelWriter(filepath, engine="openpyxl") as writer:
+        for sheet_name, df in sheets.items():
+            safe_name = sheet_name[:31]
+            df.to_excel(writer, sheet_name=safe_name, index=False)
+            row_info = f"{len(df)} 行" if not df.empty else "データなし"
+            print(f"[OK]   シート '{safe_name}' を書き込みました ({row_info})")
+    print(f"[OK]   Excel 保存完了: {filepath}")
+
+
+# ─────────────────────────────────────────────
+# セクション dict → DataFrame 変換
+# ─────────────────────────────────────────────
+def section_to_df(section: dict) -> pd.DataFrame:
+    """1 レベルの dict を「key / value」の 2 列 DataFrame に変換する。
+
+    Args:
+        section: キーと値を持つ辞書
+
+    Returns:
+        pd.DataFrame: key / value の 2 列 DataFrame
+    """
+    if not section:
+        return pd.DataFrame()
+    return pd.DataFrame({"key": list(section.keys()), "value": list(section.values())})
+
+
+# ─────────────────────────────────────────────
+# メイン
+# ─────────────────────────────────────────────
+def main():
+    """メイン処理: コンフィグ読み込み → Ollama OCR → Excel 出力。"""
+    parser = argparse.ArgumentParser(
+        description="GLM-OCR (Ollama) 汎用画像OCR・Excel出力スクリプト"
+    )
+    parser.add_argument(
+        "--config", "-c", required=True, type=Path,
+        help="コンフィグファイルのパス（.yaml または .xlsx）例: configs/invoice.yaml",
+    )
+    parser.add_argument(
+        "--image", "-i", type=Path, default=None,
+        help="画像ファイルのパス（省略時はコンフィグの image 設定を使用）",
+    )
+    parser.add_argument(
+        "--model", "-m", type=str, default=DEFAULT_MODEL,
+        help=f"Ollama モデル名 (デフォルト: {DEFAULT_MODEL})",
+    )
+    parser.add_argument(
+        "--create-excel", action="store_true",
+        help="コンフィグを読み込んで Excel テンプレートを生成して終了する",
+    )
+    args = parser.parse_args()
+
+    # ── コンフィグ読み込み ────────────────────
+    config_path = args.config.resolve()
+    if not config_path.exists():
+        print(f"[ERROR] コンフィグが見つかりません: {config_path}", file=sys.stderr)
+        sys.exit(1)
+
+    cfg = load_config(config_path)
+
+    # ── Excel テンプレート生成モード ──────────
+    if args.create_excel:
+        xlsx_path = config_path.with_suffix(".xlsx")
+        create_excel_template(cfg, xlsx_path)
+        print(f"[INFO] Excel テンプレートを生成しました: {xlsx_path}")
+        sys.exit(0)
+    config_dir = config_path.parent.parent  # configs/ の親 = スクリプトのディレクトリ
+
+    # 画像パスの解決（CLI引数 > YAML設定）
+    if args.image:
+        image_path = args.image.resolve()
+    else:
+        image_path = (config_dir / cfg["image"]).resolve()
+
+    output_dir = (config_dir / cfg.get("output_dir", "output")).resolve()
+    extract_table: bool = cfg.get("extract_table", True)
+    sections: dict = cfg.get("sections", {})
+    model: str = args.model
+    excel_path = output_dir / f"{config_path.stem}.xlsx"
+    preprocess_cfg: dict = cfg.get("preprocess", {})
+
+    if not image_path.exists():
+        print(f"[ERROR] ファイルが見つかりません: {image_path}", file=sys.stderr)
+        sys.exit(1)
+
+    print(f"[INFO] コンフィグ : {config_path.name}")
+    print(f"[INFO] モデル     : {model} (Ollama)")
+    print(f"[INFO] 対象ファイル: {image_path}")
+    print(f"[INFO] 出力先    : {excel_path}")
+    print(f"[INFO] テーブル認識: {'あり' if extract_table else 'なし'}")
+    print(f"[INFO] 抽出セクション: {list(sections.keys())}")
+    print(f"[INFO] 前処理設定: {preprocess_cfg or '全ステップ ON（デフォルト）'}")
+
+    # ── Ollama 接続・モデル確認 ───────────────
+    check_model(model)
+
+    # ── 入力読み込み（画像 or PDF 全ページ）──
+    print(f"\n[INFO] ファイルを読み込んでいます...")
+    raw_pages = load_input_images(image_path)
+    total_pages = len(raw_pages)
+    print(f"[INFO] ページ数: {total_pages}")
+
+    # 書き込むシートを収集する辞書 {シート名: DataFrame}
+    sheets: dict[str, pd.DataFrame] = {}
+
+    # ── 各ページを処理 ────────────────────────
+    for page_no, raw_image in enumerate(raw_pages, start=1):
+        prefix = f"P{page_no:02d}_" if total_pages > 1 else ""
+        print(f"\n{'─' * 50}")
+        print(f"[INFO] ページ {page_no}/{total_pages} を処理中...")
+
+        pil_image = apply_preprocess(raw_image, preprocess_cfg)
+        print(f"[INFO] 画像サイズ: {pil_image.size}")
+
+        # ── 推論①: テーブル認識（オプション）──
+        if extract_table:
+            print("[INFO] 推論① テーブル認識 を実行中...")
+            table_text = run_ocr(model, pil_image, "Table Recognition:")
+            print("[RAW] テーブル認識 出力:")
+            print(table_text)
+            print()
+            sheets[f"{prefix}table"] = parse_table(table_text)
+
+        # ── 推論②: 構造化 JSON 抽出 ──────────
+        if sections:
+            print("[INFO] 推論② 構造化 JSON 抽出 を実行中...")
+            json_schema = build_json_schema(sections)
+            extract_prompt = (
+                "Extract all the following information from this image "
+                "and fill in the JSON template below. "
+                "Return only valid JSON, no extra text.\n\n"
+                + json_schema
+            )
+            json_text = run_ocr(model, pil_image, extract_prompt)
+            print("[RAW] JSON 抽出 出力:")
+            print(json_text)
+            print()
+
+            data = parse_json_output(json_text)
+            for section_name, section_cfg in sections.items():
+                label = f"{prefix}{section_cfg.get('label', section_name)}"
+                sheets[label] = section_to_df(data.get(section_name, {}))
+
+    # ── Excel 保存 ────────────────────────────
+    print()
+    save_excel(sheets, excel_path)
+
+    # ── 結果サマリー表示 ─────────────────────
+    print("\n" + "=" * 60)
+    print("  出力結果サマリー")
+    print("=" * 60)
+
+    for sheet_name, df in sheets.items():
+        print(f"\n▼ {sheet_name}")
+        print(df.to_string(index=False) if not df.empty else "  (データなし)")
+
+    print("\n[INFO] 全処理が完了しました。")
+
+
+if __name__ == "__main__":
+    main()

OCR_tool_glm/preprocess.py

@@ -0,0 +1,237 @@
+"""
+OCR 前処理モジュール
+
+汚れた画像・スキャン文書の OCR 精度を高めるための前処理パイプラインと、
+PDF を PIL Image リストに変換する機能を提供する。
+
+使い方（インポート例）:
+    from preprocess import load_input_images, apply_preprocess
+
+    pages = load_input_images(Path("scan.pdf"))   # PDF → 1ページ1枚のリスト
+    pages = load_input_images(Path("photo.webp"))  # 画像 → [1枚]
+
+    cleaned = apply_preprocess(pages[0], config={"deskew": True, "denoise": True})
+
+前処理ステップ（YAML の preprocess セクションで各 ON/OFF 可能）:
+    deskew           : 傾き補正（Hough 変換）
+    denoise          : ノイズ除去（バイラテラルフィルタ）
+    enhance_contrast : コントラスト強調（CLAHE / LAB 色空間）
+    sharpen          : シャープ化（Unsharp Masking）
+"""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+import cv2
+import fitz  # PyMuPDF
+import numpy as np
+from PIL import Image
+
+# ─────────────────────────────────────────────
+# PDF・画像の読み込み
+# ─────────────────────────────────────────────
+
+#: PDF ラスタライズ時の解像度。200 dpi 以上が OCR に推奨される。
+PDF_DPI = 200
+
+#: 対応する画像拡張子
+IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".webp", ".bmp", ".tiff", ".tif"}
+
+
+def load_pdf_pages(pdf_path: Path, dpi: int = PDF_DPI) -> list[Image.Image]:
+    """PDF の全ページを PIL Image のリストに変換する。
+
+    Args:
+        pdf_path: PDF ファイルのパス
+        dpi: ラスタライズ解像度（高いほど高精度だがメモリを消費）
+
+    Returns:
+        list[Image.Image]: 1 要素 = 1 ページの RGB 画像リスト
+    """
+    doc = fitz.open(str(pdf_path))
+    mat = fitz.Matrix(dpi / 72, dpi / 72)
+    pages: list[Image.Image] = []
+    for page in doc:
+        pix = page.get_pixmap(matrix=mat, colorspace=fitz.csRGB)
+        img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
+        pages.append(img)
+    doc.close()
+    return pages
+
+
+def load_input_images(path: Path) -> list[Image.Image]:
+    """画像または PDF を読み込み、PIL Image のリストを返す。
+
+    PDF の場合はページごとに 1 要素、画像の場合は [1 要素] を返す。
+
+    Args:
+        path: 入力ファイルのパス（PDF または画像）
+
+    Returns:
+        list[Image.Image]: ページ（または画像）ごとの RGB 画像リスト
+
+    Raises:
+        ValueError: 対応していない拡張子が指定された場合
+    """
+    suffix = path.suffix.lower()
+    if suffix == ".pdf":
+        return load_pdf_pages(path)
+    if suffix in IMAGE_EXTENSIONS:
+        return [Image.open(path).convert("RGB")]
+    raise ValueError(f"対応していないファイル形式です: {suffix}")
+
+
+# ─────────────────────────────────────────────
+# 内部ユーティリティ
+# ─────────────────────────────────────────────
+
+def _to_bgr(pil_image: Image.Image) -> np.ndarray:
+    """PIL Image (RGB) → OpenCV BGR ndarray に変換する。"""
+    return cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR)
+
+
+def _to_pil(bgr: np.ndarray) -> Image.Image:
+    """OpenCV BGR ndarray → PIL Image (RGB) に変換する。"""
+    return Image.fromarray(cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB))
+
+
+# ─────────────────────────────────────────────
+# 前処理ステップ（各関数は BGR ndarray を受け取り BGR ndarray を返す）
+# ─────────────────────────────────────────────
+
+def _deskew(bgr: np.ndarray) -> np.ndarray:
+    """Hough 変換で文書の傾きを検出して回転補正する。
+
+    スキャナや手持ち撮影で傾いた文書を自動でまっすぐにする。
+    傾き角が 0.3 度未満の場合は補正をスキップする。
+
+    Args:
+        bgr: 入力画像 (BGR ndarray)
+
+    Returns:
+        np.ndarray: 傾き補正後の画像
+    """
+    gray = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
+    blur = cv2.GaussianBlur(gray, (9, 9), 0)
+    edges = cv2.Canny(blur, 50, 150, apertureSize=3)
+    lines = cv2.HoughLines(edges, 1, np.pi / 180, threshold=150)
+
+    if lines is None:
+        return bgr
+
+    angles: list[float] = []
+    for line in lines:
+        theta = float(line[0][1])
+        angle = (theta * 180.0 / np.pi) - 90.0
+        if abs(angle) < 45.0:
+            angles.append(angle)
+
+    if not angles:
+        return bgr
+
+    median_angle = float(np.median(angles))
+    if abs(median_angle) < 0.3:
+        return bgr
+
+    h, w = bgr.shape[:2]
+    M = cv2.getRotationMatrix2D((w / 2.0, h / 2.0), median_angle, 1.0)
+    return cv2.warpAffine(
+        bgr, M, (w, h),
+        flags=cv2.INTER_CUBIC,
+        borderMode=cv2.BORDER_REPLICATE,
+    )
+
+
+def _denoise(bgr: np.ndarray) -> np.ndarray:
+    """バイラテラルフィルタでノイズを除去しながらエッジ（文字輪郭）を保護する。
+
+    ガウシアンブラーと違い、エッジを保ちながらノイズだけを平滑化する。
+
+    Args:
+        bgr: 入力画像 (BGR ndarray)
+
+    Returns:
+        np.ndarray: ノイズ除去後の画像
+    """
+    return cv2.bilateralFilter(bgr, d=9, sigmaColor=75, sigmaSpace=75)
+
+
+def _enhance_contrast(bgr: np.ndarray) -> np.ndarray:
+    """CLAHE（制限付き適応ヒストグラム平坦化）で局所コントラストを強調する。
+
+    照明ムラがある画像でも文字が均一に明瞭になる。
+    LAB 色空間の明度チャンネル (L) のみに適用し、色相は変化させない。
+
+    Args:
+        bgr: 入力画像 (BGR ndarray)
+
+    Returns:
+        np.ndarray: コントラスト強調後の画像
+    """
+    lab = cv2.cvtColor(bgr, cv2.COLOR_BGR2LAB)
+    l_ch, a_ch, b_ch = cv2.split(lab)
+    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
+    l_enhanced = clahe.apply(l_ch)
+    return cv2.cvtColor(cv2.merge([l_enhanced, a_ch, b_ch]), cv2.COLOR_LAB2BGR)
+
+
+def _sharpen(bgr: np.ndarray) -> np.ndarray:
+    """Unsharp Masking で文字のエッジを強調してシャープにする。
+
+    ぼやけた画像やスキャン後のソフトネスを補正する。
+
+    Args:
+        bgr: 入力画像 (BGR ndarray)
+
+    Returns:
+        np.ndarray: シャープ化後の画像
+    """
+    blurred = cv2.GaussianBlur(bgr, (0, 0), sigmaX=3)
+    return cv2.addWeighted(bgr, 1.5, blurred, -0.5, 0)
+
+
+# ─────────────────────────────────────────────
+# 前処理パイプライン（公開関数）
+# ─────────────────────────────────────────────
+
+def apply_preprocess(
+    pil_image: Image.Image,
+    config: dict | None = None,
+) -> Image.Image:
+    """OCR 前処理パイプラインを実行して PIL Image を返す。
+
+    各ステップは config の True/False で個別に ON/OFF できる。
+    config を省略した場合はすべての前処理が有効になる。
+
+    Args:
+        pil_image: 前処理対象の PIL Image (RGB)
+        config: 前処理設定辞書。キーと既定値は以下の通り。
+            - deskew (bool, default True): 傾き補正
+            - denoise (bool, default True): ノイズ除去
+            - enhance_contrast (bool, default True): コントラスト強調
+            - sharpen (bool, default True): シャープ化
+
+    Returns:
+        Image.Image: 前処理済みの PIL Image (RGB)
+
+    Example:
+        >>> cleaned = apply_preprocess(img, {"deskew": True, "denoise": False})
+    """
+    cfg = config or {}
+
+    bgr = _to_bgr(pil_image)
+
+    if cfg.get("deskew", True):
+        bgr = _deskew(bgr)
+
+    if cfg.get("denoise", True):
+        bgr = _denoise(bgr)
+
+    if cfg.get("enhance_contrast", True):
+        bgr = _enhance_contrast(bgr)
+
+    if cfg.get("sharpen", True):
+        bgr = _sharpen(bgr)
+
+    return _to_pil(bgr)