Umi-OCR文字識別工具軟件

Umi-OCR文字識別工具軟件是一款免費(fèi)開源可批量的離線OCR軟件，解壓即用，離線運(yùn)行，無需網(wǎng)絡(luò)。采用 PaddleOCR-json C++ 識別引擎。只要電腦性能足夠，通常比在線OCR服務(wù)更快。默認(rèn)使用PPOCR-v3模型庫。除了能準(zhǔn)確辨認(rèn)常規(guī)文字，對手寫、方向不正、雜亂背景等情景也有不錯(cuò)的識別率�？稍O(shè)置忽略區(qū)域排除水印、設(shè)置文塊后處理合并排版段落，得到規(guī)整的文本。

軟件說明

全新升級：版本重構(gòu)了絕大部分代碼，提供煥然一新的界面和更強(qiáng)大的功能。

免費(fèi)：本項(xiàng)目所有代碼開源，完全免費(fèi)。

方便：解壓即用，離線運(yùn)行，無需網(wǎng)絡(luò)。

高效：自帶高效率離線OCR引擎。只要電腦性能足夠，可以比在線OCR服務(wù)更快。

靈活：支持定制界面，支持命令行、HTTP接口等多種調(diào)用方式。

軟件特色

標(biāo)簽頁

由一系列靈活好用的標(biāo)簽頁組成。您可按照自己的喜好，打開需要的標(biāo)簽頁，并鎖定標(biāo)簽欄。

截圖OCR

截圖OCR：打開這一頁后，就可以用快捷鍵喚起截圖，識別圖中的文字。

左側(cè)的圖片預(yù)覽欄，可直接用鼠標(biāo)劃選復(fù)制。

右側(cè)的識別記錄欄，可以編輯文字，允許劃選多個(gè)記錄復(fù)制。

也支持在別處復(fù)制圖片，粘貼到Umi-OCR進(jìn)行識別。

批量OCR

批量OCR：這一頁支持批量導(dǎo)入本地圖片并識別。

識別內(nèi)容可以保存為 txt / jsonl / md / csv(Excel) 等多種格式。

支持文本后處理技術(shù)，能識別屬于同一自然段的文字，并將其合并。還支持代碼段、豎排文本等多種處理方案。

沒有數(shù)量上限，可一次性導(dǎo)入幾百張圖片進(jìn)行任務(wù)。

支持任務(wù)完成后自動(dòng)關(guān)機(jī)/待機(jī)。

忽略區(qū)域：一種特殊功能，適用于排除圖片中的不想要的文字。

在批量識別頁的右欄設(shè)置中可進(jìn)入忽略區(qū)域編輯器。

如上方樣例，圖片頂部和右下角存在多個(gè)水印 / LOGO。如果批量識別這類圖片，水印會(huì)對識別結(jié)果造成干擾。

按住右鍵，繪制多個(gè)矩形框。這些區(qū)域內(nèi)的文字將在任務(wù)中被忽略。

請盡量將矩形框畫得大一些，完全包裹住水印所有可能出現(xiàn)的位置。

二維碼

二維碼：這里可以掃碼。

支持多種格式的二維碼、條形碼。

支持一圖多碼。

可截圖/粘貼/拖入本地圖片。

全局設(shè)置

全局設(shè)置：在這里可以調(diào)整軟件的全局參數(shù)。

支持更改界面語言。（翻譯校對工作將在第一個(gè)正式版發(fā)布后進(jìn)行）

支持切換界面主題。Umi-OCR擁有多個(gè)亮/暗主題。

可以調(diào)整界面文字大小、文字字體。

切換OCR插件。

輔助功能說明：

多國語言界面：軟件界面支持多國語言。目前預(yù)覽階段為AI翻譯生成，可能詞義和排版不好，或者有錯(cuò)漏的情況。正式發(fā)布時(shí)會(huì)進(jìn)行人工校對。

渲染器：軟件界面默認(rèn)支持顯卡加速渲染。但是如果在你的機(jī)器上出現(xiàn)截屏閃爍、UI錯(cuò)位的情況，請調(diào)整全局設(shè)置→界面和外觀→渲染器。

文本塊后處理（段落合并）可以整理OCR結(jié)果的排版和順序，使文本更適合閱讀和使用。預(yù)設(shè)方案如下：

單行：合并同一行的文字，適合絕大部分情景。

多行-自然段：智能識別、合并屬于同一段落的文字，適合絕大部分情景。

多行-代碼段：盡可能還原原始排版的縮進(jìn)與空格。適合識別代碼片段，或需要保留空格的場景。

豎排：適合豎排排版。需要與同樣支持豎排識別的模型庫配合使用。

簡單上手

準(zhǔn)備

下載壓縮包并解壓全部文件即可。

截圖識別

點(diǎn)擊截圖按鈕或自定義快捷鍵，喚起截圖識別。

粘貼圖片到軟件

在任何地方（如文件管理器，網(wǎng)頁，微信）復(fù)制圖片，軟件上點(diǎn)擊粘貼按鈕，自動(dòng)識別。

批量識別本地圖片文件

將圖片或文件夾拖進(jìn)軟件，批量轉(zhuǎn)換文字。也可以點(diǎn)擊按鈕打開瀏覽窗口導(dǎo)入。

識別結(jié)果將保存到本地�？蛇x生成純文本txt文件、帶鏈接Markdown文件、原始信息jsonl文件等不同格式�？膳渲萌蝿�(wù)完成后執(zhí)行關(guān)機(jī)/待機(jī)。

文本塊后處理（排版優(yōu)化）

OCR識別出的文本是按“塊”劃分的，通常一行文字分為一塊，有時(shí)還會(huì)將一行誤劃分為多塊，這給閱讀帶來了不便。文本塊后處理就是對文本塊進(jìn)行再加工的過程，合并同一行或同一段落內(nèi)的文字，按正確的順序排序。

下圖表示不同排版應(yīng)該選用何種處理方案：

所有方案一覽：

橫排-優(yōu)化單行

將誤劃分為多塊的同一行文字合并到一行。

橫排-合并多行-左對齊

將多個(gè)左對齊的行視為同一段落，合并文字。左側(cè)未對齊或行距過大的行視為下一段落。

橫排-合并多行-自然段

將多個(gè)左對齊的行視為同一段落，且第一行的開頭允許多空出兩個(gè)全角空格的寬度。

橫排-合并多行-模糊匹配

只要垂直投影有重疊，行高一致，距離較近的文本塊，視為同一段落。

豎排-從左到右-單行 / 豎排-從右至左-單行

優(yōu)化豎排識別，合并同一行文字，按從左到右或從右到左的順序輸出每一行。 注意，必須搭配支持豎排識別的模型庫（識別語言）一起使用。

可視化預(yù)覽：

可以在忽略區(qū)域編輯器內(nèi)預(yù)覽文本塊后處理的效果。編輯器中以虛線框標(biāo)出識別到、經(jīng)過后處理的文字塊。

這里僅僅是借用了編輯器來展示后處理的效果，實(shí)際運(yùn)行任務(wù)時(shí) 忽略區(qū)域機(jī)制 早于 后處理機(jī)制 執(zhí)行，不受后處理的影響。

忽略區(qū)域功能

忽略區(qū)域是本軟件特色功能，可用于排除圖片中水印的干擾，讓識別結(jié)果只留下所需的文本。

更新日志

新增：記憶窗口位置。 

新增：批量識圖頁增加圖片預(yù)覽窗口，單擊圖片條目打開。 

新增：檢查軟件是否有權(quán)限讀寫配置文件。

新增：報(bào)錯(cuò)彈窗提供一鍵復(fù)制及打開issues的功能。

新增：全局設(shè)置頁添加左側(cè)目錄欄。

新增：插件的多國語言UI機(jī)制。

優(yōu)化：截圖預(yù)覽面板中，文本框的位置更準(zhǔn)確。

優(yōu)化：調(diào)整部分UI布置。

修復(fù)：掃碼模塊添加導(dǎo)入異常檢查。

修復(fù)：補(bǔ)充掃碼頁的拖入圖片功能。 

修復(fù)：輸出到單獨(dú)文件txt時(shí)，文件名去除原后綴。

修復(fù)：一些小Bug。