sci-figure

Sci-Figure — 科学論文図版抽出ツール

学術論文の PDF から図やサブ図を正確に抽出します。

ライセンスに関する注意：sci-figure は、AGPL ライセンスの PyMuPDF (fitz) にリンクしているため、AGPL-3.0-or-later ライセンスで提供されています。

インストール

初回使用前に、スキルディレクトリからパッケージをインストールします。

cd ${SKILL_DIR}
pip install -e .

これにより、sh-sci-fig CLI コマンドが登録されます。Tesseract OCR が必要です。

• Windows：winget install UB-Mannheim.TesseractOCR
• Linux：apt install tesseract-ocr
• macOS：brew install tesseract

設定（EXTEND.md）

Bash を使用して、EXTEND.md が存在するかどうかを優先順位順に確認します。

# Check project-level first
test -f .baoyu-skills/sci-figure/EXTEND.md && echo "project"

# Then user-level (cross-platform: $HOME works on macOS/Linux/WSL)
test -f "$HOME/.baoyu-skills/sci-figure/EXTEND.md" && echo "user"

EXTEND.md で設定できる項目：既定の DPI | 既定の出力形式 | Tesseract のパス

使用方法

sh-sci-fig <input.pdf> [options]

オプション

オプション	短縮形	説明	既定値
<input>		PDF ファイルのパス	必須
--figure	-f	図番号（1、2、3...）	必須（--list/--all を除く）
--subfigure	-s	サブ図のラベル（a、b、c...）	なし（図全体を返します）
--output	-o	出力ディレクトリ	現在のディレクトリ
--dpi	-d	出力解像度	600
--list	-l	利用可能な図番号をすべて一覧表示	false
--all		すべての図を抽出	false
--format		出力形式（png/jpg）	png
--strategy		抽出戦略：hybrid/native/cv	hybrid
--ocr		OCR エンジン：tesseract/easyocr/none	tesseract
--render-page		注釈付きでページ全体をレンダリング	false
--annotate		レンダリングしたページにバウンディングボックスを描画	false
--bbox		手動での bbox 上書き（px 単位の x0,y0,x1,y1）	なし
--no-trim		余白のトリミングを無効化	false
--debug		デバッグログを有効化	false
--quiet	-q	情報メッセージを非表示	false

使用例

# Extract Figure 2, sub-figure c
sh-sci-fig paper.pdf -f 2 -s c

# Extract entire Figure 3
sh-sci-fig paper.pdf -f 3

# List all available figures in a PDF
sh-sci-fig paper.pdf --list

# Extract all figures
sh-sci-fig paper.pdf --all

# Custom output directory and DPI
sh-sci-fig paper.pdf -f 2 -s c -o ./output/ -d 300

# Use EasyOCR for sub-figure label detection
sh-sci-fig paper.pdf --all --ocr easyocr

# CV-only strategy (skip native extraction)
sh-sci-fig paper.pdf --all --strategy cv

# Render page with annotated bounding boxes (debugging)
sh-sci-fig paper.pdf -f 1 --render-page --annotate

# Manual bbox extraction (multimodal correction)
sh-sci-fig paper.pdf -f 1 --bbox 100,200,800,1200

出力：

Extracted: figure_2c.png (1920x1080, 600 DPI)

エラー処理

状況	動作
図番号が見つからない	エラーを表示し、利用可能な図番号をすべて一覧表示
OCR の認識に失敗	図全体の領域を返す
サブ図の分割に失敗	図全体の領域を返す
サブ図のラベルが見つからない	図全体の領域を返す

技術スタック

ライブラリ	役割
pdfplumber	テキストと座標の抽出（キャプション検出）
PyMuPDF (fitz)	ネイティブ画像の抽出、高品質なページレンダリング
opencv-python	CV による領域検出、連結成分分析、コンテンツ検証
Pillow	最終的なトリミング、形式変換
pytesseract	サブ図ラベル認識用 OCR（既定）
easyocr	代替 OCR エンジン（オプション、pip install sci-figure[ocr]）
numpy	画像配列の操作

抽出エンジン（v2）

エンジン	優先順位	適した対象
Native（PyMuPDF）	1 番目	PDF に埋め込まれたラスター画像
CV（連結成分）	2 番目	ベクター画像、色付きのプロット
Caption-anchored	3 番目	上記のエンジンが失敗した場合のフォールバック

hybrid 戦略（既定）は、3 つのエンジンを順番に試し、結果を検証します。

検出される図のフィールド

FigureExtractor.detect_all() が返す各図は、次のキーを持つ dict です。

フィールド	型	説明
number	int	図番号
page	int	ページインデックス（0 始まり）
bbox_pdf	tuple	PDF ポイント単位の切り抜き領域（x0, y0, x1, y1）
bbox_px	tuple	ピクセル単位の切り抜き領域（x0, y0, x1, y1）
caption_text	str	キャプション全文
figure_type	str	次のいずれか：figure、scheme、chart、supplementary、extended_data
sublabels	list[str]	サブ図のラベル。例：["a","b","c"]
image	ndarray	切り抜いた図の画像（numpy 配列）
engine_used	str	切り抜きを生成したエンジン：native、cv、fallback

list_figures() は、image フィールドを除いた同じ dict を返します。

拡張機能のサポート

EXTEND.md を使用してカスタム設定を行えます。パスと対応オプションについては、設定のセクションを参照してください。

---

© ライセンスと著作権

Aut_Sci_Write — 自律型科学論文執筆ツール

• 著者：Shuo Zhao
• ライセンス：MIT License
• 著作権：© 2026 Shuo Zhao. All rights reserved.
• オリジナル作品：本作品は著者が作成したオリジナル作品です。明示的な許可なく、複製、再配布、または商用利用することはできません。 本ソフトウェアのコピーを取得したすべての人に対し、無償で次のことを許可します…（MIT ライセンスの全文については、ルートディレクトリの LICENSE ファイルをご覧ください。）

---

このスキルは Aut_Sci_Write スイートの一部です。ライセンス条項の全文については、プロジェクトルートの LICENSE ファイルをご覧ください。