Umi-OCR 文字识别工具
type
status
date
Jan 10, 2024 07:46 AM
category
tags
summary
slug
password
URL
icon
中文 • English
Umi-OCR 文字识别工具
使用说明 • 下载地址 • 更新日志 • 提交Bug
免费，开源，可批量的离线OCR软件
适用于 Windows7 x64 及以上
- 免费：本项目所有代码开源，完全免费。
- 方便：解压即用，离线运行，无需网络。
- 高效：自带高效率离线OCR引擎。只要电脑性能足够，可以比在线OCR服务更快。
- 灵活：支持命令行、HTTP接口等多种调用方式。
- 功能：截图OCR / 批量OCR / 二维码 / 数学公式识别（测试中）
目录
- 二维码 支持扫码或生成二维码图片
- 全局设置 添加更多PP-OCR支持的语言模型库！
使用源码
下载发行版
可选择以下方式下载：
- Source Forge https://sourceforge.net/projects/umi-ocr
开始使用
软件发布包下载为
.7z 压缩包或 .7z.exe 自解压包。自解压包可在没有安装压缩软件的电脑上，解压文件。本软件无需安装。解压后，点击
Umi-OCR.exe 即可启动程序。界面语言
Umi-OCR 支持的界面多国语言。在第一次打开软件时，将会按照你的电脑的系统设置，自动切换语言。
如果需要手动切换语言，请参考下图，
全局设置→语言/Language 。标签页
Umi-OCR v2 由一系列灵活好用的标签页组成。您可按照自己的喜好，打开需要的标签页。
标签栏左上角可以切换窗口置顶。右上角能够锁定标签页，以防止日常使用中误触关闭标签页。
截图OCR
截图OCR：打开这一页后，就可以用快捷键唤起截图，识别图中的文字。
- 左侧的图片预览栏，可直接用鼠标划选复制。
- 右侧的识别记录栏，可以编辑文字，允许划选多个记录复制。
- 也支持在别处复制图片，粘贴到Umi-OCR进行识别。
段落合并
关于 OCR文本后处理 - 段落合并： 可以整理OCR结果的排版和顺序，使文本更适合阅读和使用。预设方案：
- 单行：合并同一行的文字，适合绝大部分情景。
- 多行-自然段：智能识别、合并属于同一段落的文字，适合绝大部分情景，如上图所示。
- 多行-代码段：尽可能还原原始排版的缩进与空格。适合识别代码片段，或需要保留空格的场景。
- 竖排：适合竖排排版。需要与同样支持竖排识别的模型库配合使用。
批量OCR
批量OCR：这一页支持批量导入本地图片并识别。
- 识别内容可以保存为 txt / jsonl / md / csv(Excel) 等多种格式。
- 支持
文本后处理技术，能识别属于同一自然段的文字，并将其合并。还支持代码段、竖排文本等多种处理方案。
- 没有数量上限，可一次性导入几百张图片进行任务。
- 支持任务完成后自动关机/待机。
忽略区域
关于 OCR文本后处理 - 忽略区域： 批量OCR中的一种特殊功能，适用于排除图片中的不想要的文字。
- 在批量识别页的右栏设置中可进入忽略区域编辑器。
- 如上方样例，图片顶部和右下角存在多个水印 / LOGO。如果批量识别这类图片，水印会对识别结果造成干扰。
- 按住右键，绘制多个矩形框。这些区域内的文字将在任务中被忽略。
- 请尽量将矩形框画得大一些，完全包裹住水印所有可能出现的位置。
二维码
扫码：
- 可截图/粘贴/拖入本地图片，读取其中的二维码、条形码。
- 支持一图多码。
- 支持19种协议，如下：
Aztec,Codabar,Code128,Code39,Code93,DataBar,DataBarExpanded,DataMatrix,EAN13,EAN8,ITF,LinearCodes,MatrixCodes,MaxiCode,MicroQRCode,PDF417,QRCode,UPCA,UPCE,生成码：
- 输入文本，生成二维码图片。
- 支持19种协议和纠错等级等参数。
全局设置
全局设置：在这里可以调整软件的全局参数。常用功能如下：
- 一键添加快捷方式或设置开机自启。
- 更改界面语言。Umi支持繁中、英 语、日语等语言。
- 切换界面主题。Umi拥有多个亮/暗主题。
- 调整界面文字的大小和字体。
- 切换OCR插件。
- 渲染器：软件界面默认支持显卡加速渲染。如果在你的机器上出现截屏闪烁、UI错位的情况，请调整
界面和外观→渲染器，尝试切换到不同渲染方案，或关闭硬件加速。
调用接口：
- 命令行手册： README_CLI.md
- HTTP接口手册： README_HTTP.md
协助软件界面翻译
开发计划
已完成的工作
- 标签页框架。
- OCR API控制器。
- OCR 任务控制器。
- 主题管理器，支持切换浅色/深色主题主题。
- 实现 批量OCR。
- 实现 截图OCR。
- 快捷键机制。
- 系统托盘菜单。
- 文本块后处理（排版优化）。
- 引擎内存清理。
- 软件界面多国语言。
- 命令行模式。
- Win7兼容。
- Excel（csv）输出格式。
Esc中断截图操作
- 外置主题文件
- 字体切换
- 加载动画
- 忽略区域。
- 二维码识别。
- 批量识别页面的图片预览窗口。
近期开发计划
近期准备进行的工作，将会在 v2 头几个版本内逐步上线。
- PDF识别
- 图片翻译
远期计划
展开
这些是预想中的功能，在开发初期已预留好接口，将在远期慢慢实现。
但开发途中受限于实际情况，可能更改功能设计、新增及取消功能。
- 基于GPU的离线OCR。
- 离线翻译。
- 插件系统。
- 固定区域识别。
- 识别表格图片，输出为Excel。
- 根据系统的深/浅模式，自动切换主题。
- 历史记录系统。
- 兼容 MacOS / Ubuntu 等平台。
关于项目结构
各仓库：
- 主仓库 👈
工程结构：
** 后缀表示本仓库(主仓库)包含的内容。支持的离线OCR引擎：
运行环境框架：
- PyStand 定制版
构建项目
第零步：（可选）fork本项目
第一步：下载代码
后续步骤：
对于不同平台（虽然现在只有Windows），需要不同的运行环境。
- 跨平台的支持筹备中
请跳转上述仓库，完成对应平台的开发/运行环境部署。
本项目也拥有非常简易的一键打包脚本，在以上仓库中查看。