图纸转DXF guludaren/image-to-dxf

image-to-dxf

一个 DeepSeek Harness 技能，可将图纸——照片、截图、扫描件——转换为 DXF，并将每次运行归档到本地素材库中。

中文说明见下方 中文。

一段话讲清思路

将图纸矢量化只能告诉你墨迹在哪里。它不能告诉你零件在哪里，也无法从页面上读出一个数字。图纸的真正内容是 Ø23、R60、53、128°——而这些数字精确地决定了几何形状。因此，本技能的做法与显而易见的做法相反：它先看图，抄下尺寸，然后计算出实体（相切、同心、阵列），而不是将它们拟合到像素上。只有在数字无法确定的部分，才保留描摹。

在一个连接链节上测量，同一张图纸：

| | 描摹 | 根据尺寸重建 |
| 实体 | 35 个碎片 | 12 |
| 比例 | 1 单位 = 1 像素（无意义） | 真实毫米 |
| 轮廓 | 断裂，混入尺寸线 | 闭合 |
| 相切圆弧 | 拟合近似 | 精确 |

该链节的轮廓——两个凸台 Ø36/Ø17 和 Ø15/Ø8，中心距 53，由 R80 和 R160 圆弧连接——是求解出来的，不是猜出来的。参见 examples/link_03.spec.json。

安装

仓库根目录就是技能文件夹，因此将其克隆到技能目录中就是全部安装过程：

git clone https://github.com/guludaren/image-to-dxf.git ~/.dsh/skills/image-to-dxf
或克隆到单个项目中： /.dsh/skills/image-to-dxf

然后为脚本提供一个装有追踪器的 Python：

pip install autocad-mcp # 本技能驱动的追踪器
或使用某个检出目录的 venv，例如 /path/to/autocad-mcp/.venv/Scripts/python.exe

spec_builder.py 和 cad_library.py 只需要 ezdxf（图像指纹还需要 opencv-python）。trace_image.py 额外需要 autocad_mcp。

这里有什么

| 文件 | 作用 |
| SKILL.md | 智能体遵循的工作流程：观察 → 抄录尺寸 → 重建 → 描摹缺口 |
| scripts/spec_builder.py | 根据尺寸规格构建 DXF。tangent_arc 求解与两个圆相切的圆弧 |
| scripts/trace_image.py | 运行光栅追踪器两次（Otsu 和自适应），并写出对比 |
| scripts/cad_library.py | 素材库：归档、相似性搜索、参数复用 |
| examples/link_03.spec.json | 已验证的链节——12 个实体，闭合轮廓 |
| docs/measurements.md | 下文每项结论背后的原始数据 |

本技能拒绝做的两件事

两者都有 docs/measurements.md 中的测量数据支持。
1. 它不猜测二值化阈值。 在十张图中，Otsu 在九张图上把页面的 15–39% 判定为墨迹——看起来像是“它在吞掉背景”。但在深色截图上，它反而是更好的选择（33 个实体 vs 自适应方法的 465 个）。“高墨迹占比”规则和“每个实体的轮廓数”规则各自都会在两个已知案例中判错一个，差距薄到 5.1 vs 5.7。所以 trace_image.py 两者都跑，两份预览都写出来，把选择交给一双眼睛。

2. 素材库不跨来源类别借用参数。 把纸面照片的 adaptive 配方套用到深色截图上，实体数从 33 涨到 461。只有当最近邻记录足够近且来自同一类来源时，才会提供配方。库只建议；实测说了算。

已知限制

- 文字不会被追踪器读取。 页面上的 Ø23 在追踪出的 DXF 中并不存在。这正是重建路径存在的全部理由——数字来自对图像的观察。
- 尺寸线、箭头和引线也会被矢量化，混在轮廓里。
- adaptive 在噪声图像上会爆炸：一个例子从 169 涨到 2 666 条轮廓，33 涨到 465 个实体，6 秒涨到 2 分钟。
- 屏幕照片带有摩尔纹、眩光和明亮边框，二值化器会把这些算作墨迹。
- 等轴测 / 3D 视图绝不能追踪：那里的圆是椭圆，所以 2D 拟合会读错。
- 非圆曲线（样条、椭圆、渐开线）只能近似拟合；追踪器会报告残差。
- fillet（两条线之间的圆角）已声明但未实现——改为给出圆弧的圆心和半径。

把零件图/工程图（照片、截图、扫描件）变成 DXF 的 DeepSeek Harness 技能，并且每次处理都归档进本地素材库。

核心思路：矢量化只能告诉你“墨在哪”，它读不出图上的数字。可图纸的真正内容是 Ø23、R60、53、128°——这些数把几何完全定死了。所以本技能反过来做：先看图把尺寸抄下来，再用几何约束（相切、同轴、阵列）把实体算出来；只有数字没定下来的部分才交给矢量化。

同一个连杆：矢量化 35 个碎片、比例是“1 单位 = 1 像素”、轮廓断裂还混着尺寸线；按尺寸重建 12 个实体、真实 mm、闭合轮廓、相切弧数学精确。

安装：仓库根目录就是技能目录，clone 到技能路径即可：

git clone https://github.com/guludaren/image-to-dxf.git ~/.dsh/skills/image-to-dxf

两条不做的原则（都有实测数据支撑，见 docs/measurements.md）：

1. 不猜二值化阈值。十张图里九张的 Otsu 墨占比在 15%~39%，看着像“把背景吃进去了”，但深色截图上恰恰是 Otsu 更好（33 实体 vs adaptive 465）。两条启发式各会判错一个已知用例，margin 薄到 5.1 vs 5.7。所以两版都跑，交给人看预览定。
2. 素材库不跨来源类别借参数。把纸面照片的 adaptive 配方套到深色截图上，实体数从 33 炸到 461。只有“最近邻足够近且来源类别相同”才给配方。库只建议，实测说了算。

License

MIT — 见 LICENSE。它所驱动的追踪器 autocad-mcp 是一个独立的 MIT 项目，并未在此处内置。