Umi-OCR 文字识别工具

本文主要是介绍Umi-OCR 文字识别工具，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

免费开源的离线orc识别功能

git地址

感谢大佬的贡献

Umi-OCR

Umi-OCR 文字识别工具

Umi-OCR LICENSE forks stars forks

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 、Linux x64}

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：自带高效率的离线OCR引擎，内置多种语言识别库。
灵活：支持命令行、HTTP接口等外部调用方式。
功能：截图OCR / 批量OCR / PDF识别 / 二维码 / 公式识别

1-标题-1.png

1-标题-2.png

截图识别
- 排版解析 - 识别不同排版，按正确顺序输出文字
批量识别
- 忽略区域 - 排除截图水印处的文字
二维码支持扫码或生成二维码图片
文档识别从PDF扫描件中提取文本，或转为双层可搜索PDF
全局设置
命令行调用
HTTP接口
构建项目（Windows、Linux）

使用源码

开发者请务必阅读构建项目。

下载发行版

以下发布链接均长期维护，提供稳定版本的下载。

蓝奏云 https://hiroi-sora.lanzoul.com/s/umi-ocr （国内推荐，免注册/无限速）
GitHub https://github.com/hiroi-sora/Umi-OCR/releases/latest
Source Forge https://sourceforge.net/projects/umi-ocr

• Scoop Installer（点击展开）

Scoop 是一款Windows下的命令行安装程序，可方便地管理多个应用。您可以先安装 Scoop ，再使用以下指令安装 Umi-OCR ：

添加 extras 桶：

scoop bucket add extras

（可选1）安装 Umi-OCR（自带 Rapid-OCR 引擎，兼容性好）：

scoop install extras/umi-ocr

（可选2）安装 Umi-OCR（自带 Paddle-OCR 引擎，速度稍快）：

scoop install extras/umi-ocr-paddle

不要同时安装二者，快捷方式可能会被覆盖。但您可以额外导入插件，随时切换不同OCR引擎。

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。

遇到任何问题，请提 Issue ，我会尽可能帮助你。

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 。

1-标题-1.png

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

2-截图-1.png

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。
关于公式识别功能

文本后处理

2-截图-2.png

关于 OCR文本后处理 - 排版解析方案：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：

多栏-按自然段换行：适合大部分情景，自动识别多栏布局，按自然段规则进行换行。
多栏-总是换行：每段语句都进行换行。
多栏-无换行：强制将所有语句合并到同一行。
单栏-按自然段换行/总是换行/无换行：与上述类似，不过不区分多栏布局。
单栏-保留缩进：适用于解析代码截图，保留行首缩进和行中空格。
不做处理：OCR引擎的原始输出，默认每段语句都进行换行。

上述方案，均能自动处理横排和竖排（从右到左）的排版。（竖排文字还需要OCR引擎本身支持）

批量OCR

3-批量-1.png

批量OCR：这一页用于批量导入本地图片进行识别。

支持格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff。
保存识别结果的支持格式：txt, jsonl, md, csv(Excel)。
与截图OCR一样，支持文本后处理功能，整理OCR文本的排版和顺序。
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。
如果要识别像素超大的长图或大图，请调整：页面的设置→文字识别→限制图像边长→【调高数值】。
拥有特殊功能 忽略区域 。

忽略区域

3-批量-2.png

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。
注意，只有处于忽略区域框内部的整个文本块（而不是单个字符）会被忽略。如下图所示，黄色边框的深色矩形是一个忽略区域。那么只有key_mouse才会被忽略。pubsub_connector.py、pubsub_service.py 这两个文本块得以保留。

忽略区域范围示例.png

文档识别

文档识别：

支持格式：pdf, xps, epub, mobi, fb2, cbz。
对扫描件进行OCR，或提取原有文本。可输出为 双层可搜索PDF 。
支持设定 忽略区域 ，可用于排除页眉页脚的文字。
可设置任务完成后 自动关机/休眠 。

二维码

4-二维码-1.png

扫码：

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

4-二维码-2.png

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

5-全局设置-1.png

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
HTTP接口手册

软件本地化翻译：

感谢以下译者，为 Umi-OCR 贡献了本地化翻译工作：（排名不分先后）

译者	贡献语言
bob	English, 繁體中文, 日本語
Qingzheng Gao	English, 繁體中文
Weng, Chia-Ling	English, 繁體中文
linzow	English, 繁體中文
Eric Guo	English
steven0081	English
Marcos i	English
plum7x	繁體中文
hugoalh	繁體中文
ドコモ光	日本語
杨鹏	Português

如果有信息错误或人员缺漏，请在这个讨论中回复。

本项目使用在线平台 Weblate: Umi-OCR 进行本地化翻译协作。我们欢迎任何用户参与翻译工作，您可校对、补充现有语言，或添加新语言。

关于项目结构

各仓库：

主仓库 👈
插件库
Windows 运行库
Linux 运行库

工程结构：

** 后缀表示本仓库(主仓库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
├─ umi-ocr.sh
└─ UmiOCR-data├─ main.py **├─ version.py **├─ qt_res **│  └─ 项目qt资源，包括图标和qml源码├─ py_src **│  └─ 项目python源码├─ plugins│  └─ 插件└─ i18n **└─ 翻译文件

支持的离线OCR引擎：

PaddleOCR-json
RapidOCR-json

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

请参考更新日志开头的说明。

后续步骤：

请跳转下述仓库，完成对应平台的开发/运行环境部署。

Windows
Linux

赞助

Umi-OCR 项目主要由作者 hiroi-sora 用业余时间在开发和维护。如果您喜欢这款软件，欢迎赞助。

国内用户可通过爱发电赞助作者。

更新日志

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。
PDF识别。
调用本地图片浏览器打开图片。 #335
重复上一次截图。 #357
修Bug：文档识别在Windows7系统的兼容性问题。
HTTP/命令行接口添加二维码识别/生成功能。 (#423)
二维码接口的文档。

正在进行的工作

Linux 平台移植。
HTTP 文档识别接口。

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。

重构底层插件机制。
在线 OCR API 插件。
独立的数学公式识别插件。
“数学公式”标签页，提供独立的数学公式识别/Latex渲染。
检查更新机制。
排版解析之外的文本后处理模块（如保留数字、半全角字符转换、文本纠错）。
关键接口函数添加事件触发方式。
基于GPU的离线OCR。
图片翻译
离线翻译。
固定区域识别。
识别表格图片，输出为Excel。
历史记录系统。
兼容 MacOS / Ubuntu 等平台。

这篇关于Umi-OCR 文字识别工具的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

Umi-OCR 文字识别工具

免费开源的离线orc识别功能

Umi-OCR 文字识别工具

使用说明 • 下载地址 • 更新日志 • 提交Bug

目录

使用源码

下载发行版

开始使用

界面语言

标签页

截图OCR

文本后处理

批量OCR

忽略区域

文档识别

二维码

全局设置

调用接口：

软件本地化翻译：

关于项目结构

各仓库：

工程结构：

构建项目

第零步：（可选）fork本项目

第一步：下载代码

后续步骤：

赞助

开发计划

正在进行的工作

远期计划

相关文章