完全离线的OCR图片转文字识别工具Umi-OCR

Dear 丶 2023-09-26 16:11 147阅读 0赞

> **OCR图片转文字识别软件，完全离线。截屏/批量导入图片，支持多国语言、合并段落、竖排文字。可排除水印区域，提取干净的文本。基于 PaddleOCR 。**

![在这里插入图片描述][e33b56ea5e184df9821274cb3e8348f5.png]

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。

批量：可批量导入处理图片，结果保存到本地 txt / md / jsonl 多种格式文件。也可以即时截屏识别。

高效：采用 PaddleOCR-json C++ 识别引擎。只要电脑性能足够，通常比在线OCR服务更快。

精准：默认使用PPOCR-v3模型库。除了能准确辨认常规文字，对手写、方向不正、杂乱背景等情景也有不错的识别率。可设置忽略区域排除水印、设置文块后处理合并排版段落，得到规整的文本。

![图片][03972257fc02430ab0396a8ed93c1639.png]

![图片][2db08078af7c4368a8ef1a9c2bc53391.png]

### 01 下载 ###

Umi-OCR 软件本体含 简体中文&英文 识别库。  
配套 多国语言识别扩展包 可导入 繁中,日,韩,俄,德,法 识别库，请按需下载。

Github下载：https://github.com/hiroi-sora/Umi-OCR/releases/tag/v1.3.0
    
    蓝奏云下载：（密码 1111 。请留意发布日期和版本号）
    
    https://wwn.lanzoul.com/b036wwa4d

使用源代码：

main分支可能含有开发中的新功能。若您想使用稳定版本，建议切换到最新的Release分支。

安装依赖库：pip install -r requirements.txt

可直接运行 main.py 启动程序，或自己打包为exe。

项目使用pyinstaller打包。运行 to\_exe.py 一键打包。

打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！

打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！！

打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！！！

### 02 兼容性 ###

系统支持 Win10 x64 及以上版本。

CPU必须具有AVX指令集。常见的家用CPU一般都满足该条件。（出现初始化引擎失败等问题时请检查CPU是否兼容。）

![在这里插入图片描述][eaffa61c99404fb89720b1dd0704e7e4.png]

### 03 前言 ###

关于忽略指定区域的特殊功能：

类似含水印的视频截图、含有UI/按钮的游戏截图等，往往只需要提取字幕区域的文本，而避免提取到水印和UI文本。本软件可设置忽略某些区域内的文字，来实现这一目的。

当有大量的影视和游戏截图需要整理归档，或者想翻找包含某一段台词/字幕的截图；将这些图片提取出文字、然后Ctrl+F是一个很有效的方法。这是开发本软件的初衷。

关于离线OCR引擎 PaddleOCR-json ：

对 PaddleOCR 2.6 cpu\_avx\_mkl C++ 的封装。效率高于Python版本PPOCR及部分Python编写的OCR引擎，通常比在线OCR服务更快(省去网络传输的时间)。支持更换Paddle官方模型（兼容v2和v3版本）或自己训练的模型，支持修改PPOCR各项参数。通过添加不同的语言模型，软件可识别多国语言。

### 04 简单上手 ###

**准备**

下载压缩包并解压全部文件即可。

**截图识别**

点击截图按钮或自定义快捷键，唤起截图识别。

![图片][e464168b169d4a7795eb4ab2e1697e9b.png]

多屏幕用户请注意

由于windows缩放对屏幕坐标系带来的影响，若外接多块屏幕，且缩放比例不一致时，可能导致Umi-OCR内置截图模块异常，如画面不完整、窗口变形、识别不出文字等。

若出现这种情况，请在系统设置里的【更改文本、应用等项目的大小】将所有屏幕调到相同数值。

若不想修改系统设置，软件还附带了第二套截图方案：调用windows内置的“截图和草图”来完成截图并唤起OCR。可在软件设置里切换。

若系统截图后不能唤起OCR，请确保系统能通过 win+shift+S 触发截图，且自动复制到剪贴板 的开关不能关闭（默认是打开的）。

![图片][c54c7016925c4cbd875430d7a640b77c.png]

**粘贴图片到软件**

在任何地方（如文件管理器，网页，微信）复制图片，软件上点击粘贴按钮，自动识别。

![图片][5a55af28fee646d8b4d69e98acf6161f.png]

批量识别本地图片文件

将图片或文件夹拖进软件，批量转换文字。也可以点击按钮打开浏览窗口导入。

识别结果将保存到本地。可选生成纯文本txt文件、带链接Markdown文件、原始信息jsonl文件等不同格式。可配置任务完成后执行关机/待机。

![图片][82d2d1f7bc7444aaa447b48ab0bde517.png]

### 05 文本块后处理（排版优化） ###

OCR识别出的文本是按“块”划分的，通常一行文字分为一块，有时还会将一行误划分为多块，这给阅读带来了不便。文本块后处理就是对文本块进行再加工的过程，合并同一行或同一段落内的文字，按正确的顺序排序。

下图表示不同排版应该选用何种处理方案：

![图片][55207148a5cc48c292027b5192d2fb27.png]

所有方案一览：

横排-优化单行

将误划分为多块的同一行文字合并到一行。

横排-合并多行-左对齐

将多个左对齐的行视为同一段落，合并文字。左侧未对齐或行距过大的行视为下一段落。

横排-合并多行-自然段

将多个左对齐的行视为同一段落，且第一行的开头允许多空出两个全角空格的宽度。

横排-合并多行-模糊匹配

只要垂直投影有重叠，行高一致，距离较近的文本块，视为同一段落。

竖排-从左到右-单行 / 竖排-从右至左-单行

优化竖排识别，合并同一行文字，按从左到右或从右到左的顺序输出每一行。注意，必须搭配支持竖排识别的模型库（识别语言）一起使用。

可视化预览：

可以在忽略区域编辑器内预览文本块后处理的效果。编辑器中以虚线框标出识别到、经过后处理的文字块。

这里仅仅是借用了编辑器来展示后处理的效果，实际运行任务时 忽略区域机制 早于 后处理机制 执行，不受后处理的影响。

### 06 忽略区域功能 ###

忽略区域是本软件特色功能，可用于排除图片中水印的干扰，让识别结果只留下所需的文本。

“忽略区域”是指图片上指定位置与大小的矩形区域，完全处于这些区域内的文字块，将被排除。

点击 设置 选项卡中的 打开忽略区域编辑器 ，进入编辑器窗口。

将任意图片 拖入 该窗口，可预览该图片。将新图片拖入窗口可切换预览，但已绘制的忽略区域不会消失；可切换不同图片来仔细调整忽略区域。

绘制 忽略区域 ：拖入图片后，点击选中左起第一按钮 +忽略区域 A ，然后在图片上按住左键拖拽，绘制矩形区域。可 撤销 步骤。

绘制完后，点击 完成 返回软件主窗口。若不想应用此次绘制，则右上角X，取消。

简单案例见下。

简单排除视频截图中的水印：

打开忽略区域设置窗口，拖入任一张截图。稍等约1秒，面板上会显示出图片，识别到的文字区域会被虚线框起来。发现右上角的水印也被识别到了。

![图片][6328403f7b324a719ac5bf544aff160a.png]

点击选择 +忽略区域 A 。在画面上按住左键拖拽，绘制方框完全包裹住水印区域，范围可以大一些。可绘制多个方框。

![图片][4100b9f04e9e4cfba29569d1af389d44.png]

点击 完成 。返回主窗口， 开始任务 。

排除游戏截图中的两种UI：

假设有一组游戏截图，主要分为两类图片，这两类图片的文字位置和UI位置不太相同：

![图片][a1e5366e7c7943c0876395cfd53df1eb.png]

甲类（上图左）为对话模式，字数少，要保留的台词文本在画面下方，要排除的UI分布于底端。

乙类（上图右）为历史文本模式，字数多，从上到下都有要保留的文本（与甲类UI位置有重合），要排除的UI分布在两侧。

拖入一张甲类图片。选择 +忽略区域 A ，绘制方框包裹住要排除的 底端UI 。可绘制多个方框。

![图片][eba3922439554c7398f36f9d27c38539.png]

拖入一张乙类图片。选择 +识别区域 ，绘制方框包裹住 小部分要保留的文本 。注意只要该区域内含有任意保留文本即可，不需要画得很大，不需要包裹住所有保留文本；不能与甲类图中 可能存在的任何文本 重合。

![图片][6bed0de090e4440a8180bd82b3656366.png]

然后选择 +忽略区域 B ，绘制方框包裹住乙类图要排除的 两侧UI 。可绘制多个方框。

![图片][1888ba7610bd41a09d15a56382230feb.png]

点击 完成 。返回主窗口， 开始任务 。

忽略区域处理逻辑：

忽略区域A ：正常情况下，处于 忽略区域A 内的文字 不会 输出。

识别区域 ：当识别区域内存在文本时，忽略区域A失效 ；即处于忽略区域A内的文字也 会 被输出。

忽略区域B ：当 忽略区域A失效 时，忽略区域B才生效；即处于区域A内的文字 会 输出、区域B内的文字 不会 输出。

![在这里插入图片描述][5fc7f03546d840adaa56080c20521b5f.png]

“忽略区域配置”只针对一种分辨率生效。假如配置的分辨率是1920x1080，那么批量识别图片时，只有符合1920x1080的图片才会排除干扰文本；1920x1081的图片中的文字会全部输出。

拖入预览的图片必须分辨率相同。假如先拖入1920x1080的图片，再拖入其它分辨率的图片；软件会弹窗警告。只有点击 清空 删除当前已配置的忽略区域，才能拖入其他分辨率图片，并应用此分辨率。

### 07 进阶小技巧 ###

v1.3.0 后大部分设置项都在软件内有提示，鼠标悬停即可查看。因此README不再提供所有设置的详细说明。

以下是进阶操作说明。

### 自定义计划任务 ###

除了默认的自动关机/待机外，您还可创建自己的计划任务，让软件在完成一次批量识别后执行自定义cmd命令。

在软件关闭的情况下，打开配置文件 Umi-OCR\_config.json 。也可以先打开软件，点击设置页最底部的 打开设置文件 ，然后退出软件。

在okMission中添加一项元素。

键为任务名称，值为字典，其中code为cmd命令。多条命令可用&分隔。例：

"我的任务": {
        "code": "cmd命令1 & 命令2"}

添加多国语言

方法一：下载 \[Umi-OCR 多国语言识别扩展包\] ，拷贝到软件目录即可。

扩展包内置语言：繁中,日,韩,俄,德,法

方法二：手动下载添加 PP-OCR 模型库

模型分为三种：det检测，cls方向分类，rec识别。其中det和cls是多语言通用的，只需下载新语言的rec识别模型即可。

前往 PP-OCR系列V3多语言识别模型列表 ，下载一组rec识别模型。

若V3模型列表里没有找到目标语言，可以去支持语言列表查看PPOCR有没有提供这种语言。若有，则可能它暂未推出V3模型，可以先使用旧版V2模型。（V3模型网址中的2.x一路换成更小的数字可以查看旧版页面）

前往 PP-OCR系列 字典列表 ，下载对应语言的字典文件。（但V3英文字典en\_dict.txt不是本目录下的那个，而是在上一级目录）

将下载好的文件解压放进软件目录的 PaddleOCR-json 文件夹中。

复制一份 PaddleOCR\_json\_config\_\[模板\].txt ，改一下名。（文件名不允许有非英文字符！）

打开复制好的 PaddleOCR\_json\_config\_XX.txt ，将 rec路径 rec\_model\_dir 和 字典路径 rec\_char\_dict\_path 改成目标语言的文件(夹)的名称。若模型库是v2版本，还必须加上一行 rec\_img\_h 32 。

回到上一层目录 Umi-OCR ，打开 Umi-OCR\_config.json ，在 “ocrConfig” 中添加新语言的信息。键为语言名称，值的 path 为config txt文件的名称。保持json格式，注意逗号。（修改config.json文件时，请确保未打开软件，否则配置可能被覆盖。）

打开软件，检查设置页的识别语言下拉框是否已经能选择该语言。

添加到开始菜单

软件创建一个快捷方式
    
    打开系统目录 C:\ProgramData\Microsoft\Windows\Start Menu\Programs ，将快捷方式扔进去。

添加到开机自启

软件创建一个快捷方式
    
    打开系统目录 C:\ProgramData\Microsoft\Windows\Start Menu\Programs\StartUp ，将快捷方式扔进去。

添加到运行（Win+R）

在任何地方创建一个文件夹，名字随意，将该文件夹的路径加入系统环境变量。

软件创建一个快捷方式，改一个简短的名字，如umi。

将快捷方式扔进第1步的文件夹中。

任何时候按下Win+R，在弹窗中输入umi，即可打开软件。

提示：请不要起名为ocr，因为系统可能存在同名的注册路径，无法用此指令唤起第三方软件。

--------------------

### 资源分享 ###

**下方这份完整的软件测试视频学习教程已经上传CSDN官方认证的二维码，朋友们如果需要可以自行免费领取 `【保证100%免费】`**

![在这里插入图片描述][b9a9eea1ed5c42429c5e383b00ba6e0c.png_pic_center]

![在这里插入图片描述][d96b58a511f84668b59f3f620964da07.png_pic_center]

[e33b56ea5e184df9821274cb3e8348f5.png]: https://img-blog.csdnimg.cn/e33b56ea5e184df9821274cb3e8348f5.png
[03972257fc02430ab0396a8ed93c1639.png]: https://img-blog.csdnimg.cn/03972257fc02430ab0396a8ed93c1639.png
[2db08078af7c4368a8ef1a9c2bc53391.png]: https://img-blog.csdnimg.cn/2db08078af7c4368a8ef1a9c2bc53391.png
[eaffa61c99404fb89720b1dd0704e7e4.png]: https://img-blog.csdnimg.cn/eaffa61c99404fb89720b1dd0704e7e4.png
[e464168b169d4a7795eb4ab2e1697e9b.png]: https://img-blog.csdnimg.cn/e464168b169d4a7795eb4ab2e1697e9b.png
[c54c7016925c4cbd875430d7a640b77c.png]: https://img-blog.csdnimg.cn/c54c7016925c4cbd875430d7a640b77c.png
[5a55af28fee646d8b4d69e98acf6161f.png]: https://img-blog.csdnimg.cn/5a55af28fee646d8b4d69e98acf6161f.png
[82d2d1f7bc7444aaa447b48ab0bde517.png]: https://img-blog.csdnimg.cn/82d2d1f7bc7444aaa447b48ab0bde517.png
[55207148a5cc48c292027b5192d2fb27.png]: https://img-blog.csdnimg.cn/55207148a5cc48c292027b5192d2fb27.png
[6328403f7b324a719ac5bf544aff160a.png]: https://img-blog.csdnimg.cn/6328403f7b324a719ac5bf544aff160a.png
[4100b9f04e9e4cfba29569d1af389d44.png]: https://img-blog.csdnimg.cn/4100b9f04e9e4cfba29569d1af389d44.png
[a1e5366e7c7943c0876395cfd53df1eb.png]: https://img-blog.csdnimg.cn/a1e5366e7c7943c0876395cfd53df1eb.png
[eba3922439554c7398f36f9d27c38539.png]: https://img-blog.csdnimg.cn/eba3922439554c7398f36f9d27c38539.png
[6bed0de090e4440a8180bd82b3656366.png]: https://img-blog.csdnimg.cn/6bed0de090e4440a8180bd82b3656366.png
[1888ba7610bd41a09d15a56382230feb.png]: https://img-blog.csdnimg.cn/1888ba7610bd41a09d15a56382230feb.png
[5fc7f03546d840adaa56080c20521b5f.png]: https://img-blog.csdnimg.cn/5fc7f03546d840adaa56080c20521b5f.png
[b9a9eea1ed5c42429c5e383b00ba6e0c.png_pic_center]: https://img-blog.csdnimg.cn/b9a9eea1ed5c42429c5e383b00ba6e0c.png#pic_center
[d96b58a511f84668b59f3f620964da07.png_pic_center]: https://img-blog.csdnimg.cn/d96b58a511f84668b59f3f620964da07.png#pic_center