umi-OCR文字识别工具

免费、开源、离线批量 OCR 软件

对于 x64 及更高版本

Win7/8用户及Atom、、处理器用户的下载目录：

兼容低版本CPU和不带AVX指令集的CPU的新识别引擎正在测试阶段，详情见此处。

/11 用户：

下载：v1.3.5

兰州云下载：

Umi-OCR软件包含简体中文和英文通用识别库。

配套多语言识别扩展包，可导入繁体中文、英文、日文、韩文、俄文、德文、法文识别库，请根据需要下载。

使用源代码扩展兼容性（引擎版）前言

关于忽略指定区域的特殊功能：

对于带水印的视频截图，带UI/按钮的游戏截图等，我们往往只需要提取字幕区域的文字，而避免提取水印和UI文字。本软件可以设置忽略某些区域的文字来达到此目的。

当有大量的电影、游戏截图需要整理归档，或者想找出包含某句台词/字幕的截图时，从这些图片中提取文字然后按Ctrl+F是一种非常有效的方法。这也是开发这个软件的初衷。

关于离线OCR引擎-json：

2.6 C++ 的封装器。比之前的版本和一些写好的 OCR 引擎更高效，通常比在线 OCR 服务更快（节省网络传输时间）。支持更换官方模型（兼容 v2 和 v3 版本）或自训练模型，支持修改各种参数。通过添加不同的语言模型，软件可以识别多种语言。

准备简单

下载压缩包并解压所有文件。

截图识别

点击截图按钮或者自定义快捷键，调用截图识别。

v1.3.4 您还可以设置截屏后生成的预览窗口，预览窗口可以固定在屏幕顶部或设为半透明，方便比较。

将图片粘贴到软件中

将图片复制到任何地方（如文件管理器、网页、微信），点击软件上的粘贴按钮或快捷键，就会自动识别。

本地图片文件批量识别

将图片或文件夹拖入软件即可批量转换文本。也可以点击按钮打开浏览窗口导入。

识别结果会保存在本地，可选择生成纯文本txt文件、带链接文件、原始信息文件等格式，可配置任务完成后关机/待机。

文本块后处理（排版优化）

OCR 识别的文本是被分成“块”的，通常一行文本被分成一个块，有时一行被误分成多个块，给阅读带来不便。文本块后处理是对文本块进行再处理，将同一行或同一段落的文本合并并按正确顺序排列的过程。

下图显示了不同布局应使用哪些处理解决方案：

所有布局选项一览：展开

水平优化单行

将错误地分成多个块的文本合并为一行。

水平 - 合并多行 - 左对齐

将多行左对齐视为一个段落并合并文本。未左对齐或行距过大的行将被视为下一个段落。

水平-合并多行-自然段落

多行左对齐被视为一个段落，第一行开头允许有两个额外空格。

水平 - 合并多条线 - 模糊匹配

只要垂直投影重叠，行高一致，并且靠近的文本块被视为同一段。

垂直-从左到右-单行/垂直-从右到左-单行

优化垂直识别，将同一行的文本合并，每行按照从左到右或者从右到左的方式输出。

注意必须配合支持垂直识别的模型库（识别语言）一起使用。

视觉预览：

您可以在忽略区域编辑器中预览处理后文本块的效果。已识别并处理过的文本块在编辑器中以虚线框标记。

这里我们仅通过编辑器演示后处理的效果，实际运行任务时，忽略区域机制比后处理机制更早执行，不受后处理的影响。

忽略区域功能

忽略区域是本软件的特色功能，可以用来消除图片中水印的干扰，在识别结果中只留下所需的文字。

扩张

“忽略区域”是指图片上指定位置和大小的矩形区域。完全位于这些区域内的文本块将被排除。

下面是一个简单的案例。

只需从视频截图中排除水印：打开忽略区域设置窗口并拖入任何截图。

大概过了1秒左右，面板上就会显示图片，识别到的文字区域被虚线框了起来，发现右上角的水印也识别到了。

点击选择+忽略区域A，按住左键并在屏幕上拖动，画出一个完全覆盖水印区域的方框，范围可以更大搜索下拉框软件，可以画多个方框。

点击，返回主窗口，开始任务。排除游戏截图中的两个UI：拖入一张A类图片，选择+ Area A，画一个方框包裹住需要排除的底部UI，可以画多个方框。

拖入 B 类图像。选择 +识别区域并绘制一个框以包含要保留的一小部分文本。请注意，只要该区域包含任何保留的文本，就不需要绘制得非常大，也不需要包含所有保留的文本；它不能与 A 类图像中可能存在的任何文本重叠。

然后选择 + 忽略区域 B百度搜索下拉框如何刷★64xl.com大家都会做下拉，必应PC下拉，并绘制一个框来包围要排除的 B 类图两侧的 UI。您可以绘制多个框。

点击完成。返回主窗口并启动任务。忽略区域处理逻辑：添加多种语言

方法一：下载【Umi-OCR多语言识别扩展包】并复制到软件目录下。

扩展包内置语言：繁体中文、英文、日文、韩文、俄文、德文、法文

方法二：手动下载并添加PP-OCR模型库模型分为det检测、cls方向分类、rec识别三种，其中det和cls是多种语言通用的，只需要下载新语言的rec识别模型即可。 到PP-OCR系列下载一套rec识别模型。 到PP-OCR系列词典列表下载对应语言的词典文件。（但V3英文词典.txt不是这个目录下的，在上层目录） 将下载的文件解压后放在软件目录-json文件夹下。 复制一份g_[].txt，改名。（文件名不能有非英文字符！） 打开复制的g_XX.txt，将rec路径和词典路径改为目标语言的文件（夹）名。如果模型库是v2版本，还必须增加第32行。返回上级目录 Umi-OCR，打开 Umi-.json，在“”中添加新语言的信息。key为语言名称，路径为txt文件名称。保持json格式，注意逗号。（修改.json文件时，请确保软件未打开，否则配置可能会被覆盖。）打开软件，在设置页面的识别语言下拉框中检查是否可以选择语言。高级操作&技巧命令行调用展开

在 v1.3.3 之后，可以通过命令行调用 Umi-OCR 执行一些图像识别任务。

如果软件没有运行，命令行会启动软件并执行任务，如果软件已经在后台运行，命令行会直接调用后台软件执行任务，这样可以节省多次调用时的初始化时间。

注意命令行调用入口是程序目录下的.exe，而不是常规软件入口（Umi-OCR文字识别.exe）。

⚠︎ .exe 在程序目录的文件夹中。⚠︎

命令行语法遵循   的规则：

- 或 -= 或 -=

指令0：启动软件

如果软件还未启动，任何命令都会启动软件主程序。

命令1：显示窗口

。EXE文件

或者

.exe-显示

无论主窗口处于什么状态（最小化、放入托盘、被其他窗口覆盖），该命令都会使主窗口弹出到顶部。

命令 2：隐藏窗口

.exe-隐藏

将窗口放在托盘区域或将其最小化。

显示和隐藏命令可以与其他命令混合使用，例如 .exe - -show

说明3：关闭软件

.exe -退出

说明4：本地图像识别

.exe -img=图片.png

支持图片/文件夹；多个路径以逗号分隔；包含空格的路径用双引号“”括起来。例如：

.exe -img="D:/,E:/my img/.png"

如果路径中有中文，一定要加双引号。

命令5：剪贴板图像识别

。EXE文件 -

命令6：屏幕捕获和图像识别

。EXE文件 -

命令7：切换识别语言

.exe -= 序列号

“序号”是软件设置中语言的顺序，从0开始。从上往下数，比如简体中文是第一个，所以-=0。繁体中文是第二个，所以-=1。英文是第四个搜索下拉框软件，-=3。以此类推。

复制并发送按钮和链接翻译软件

发送指定键

从 v1.3.5 开始支持快速图片识别并将结果写入剪贴板、发送一组指定的按键来触发翻译软件进行翻译。当然，它也可以用来触发你的 AHK 脚本等等，实现更多稀奇古怪的功能。

这是隐藏的高级功能，请勾选设置页下方的高级选项，并重启软件。设置页的快捷图像识别部分会多出一项：自动复制后发送按键。您可以记录一组快捷键，并修改重复次数（支持单击、双击等）。当截图OCR完成后，会发送按键组合。注意，必须同时勾选自动复制结果选项，该功能才会生效。

经过测试，Umi-OCR 可以成功与萨拉词典配合触发翻译。以下是配置方法。

连锁

下载。本示例使用的版本是 v11。

如果您不介意监控剪贴板（每次剪贴板更改时尝试翻译），那么只需检查 Umi-OCR 的自动复制结果和监控剪贴板。

如果你不需要一直开启剪贴板监控，但希望 Umi-OCR 在任何情况下都能被调用，你可以这样做：在设置里勾选双击 Ctrl+C 翻译选项；将 Umi-OCR 自动复制后发送的按键记录为 ctrl+c，两次。

联动萨拉词典 萨拉词典是一款浏览器插件，支持Edge等浏览器，此为下载页面，下面以Edge浏览器为例讲解配置方法，其他浏览器类似。（支持不完善，不推荐使用。） 打开萨拉词典插件设置页面，选择左侧栏基本选项，右侧栏勾选保持后台运行。（不勾选也可以使用，但必须保持浏览器打开）点击左侧栏隐私设置，右侧栏设置快捷方式。

在新弹出的页面中，为萨拉词典的“在单独窗口中搜索剪贴板内容”设置任意一组快捷键，然后右侧改为“全局”。将 Umi-OCR 的“自动复制并发送”键记录为相同的快捷键，1 次。

回到萨拉词典的设置页面，点击左侧栏的权限管理，勾选读取剪贴板。

自定义计划任务

内存清理器

默认情况下，此功能是关闭的。

此功能适用于对内存使用非常敏感的用户，但偶尔可能会减慢任务速度。对于一般用户来说，没有必要使用此功能。

如果需要启用，请滚动到设置页面底部，检查高级选项，重启软件，然后：OCR识别引擎设置→自动清理内存→将任意参数改为>0的值。

其原理是，如果满足任意一个条件（内存使用量超过限制，或者一段时间内没有执行任何任务），就会重启引擎组件，以释放引擎当前占用的所有内存。

添加到运行（Win+R快捷键）展开

在任意位置建立文件夹，任意命名，并将文件夹路径添加到系统环境变量中。软件建立快捷方式，并改一个简称，如umi。将快捷方式扔到步骤1的文件夹中。随时按Win+R，在弹窗中输入umi即可打开软件。故障排除 无法启动引擎展开

该引擎目前不支持在没有 AVX 指令集的 CPU 上运行。如果您遇到此问题，请尝试更换引擎。

下图显示了如何判断问题是否是由缺少 AVX 引起的。

常见家用CPU一般都支持AVX指令集，具体如下：

AVX 支持的产品系列不支持

Core、Xeon、 和   第 11 版及更高版本

Atom、、 和   第 10 代及更早版本

AMD

架构以及后续产品，例如、、FX等。

K10架构与之前的产品

您可以使用CPU-Z软件来查看您的CPU的指令集信息。

多张截图无法正常展开

由于缩放对屏幕坐标系的影响，若多块屏幕连接，且缩放比例不一致，Umi-OCR 内置截图模块可能会出现故障，如图片不完整，窗口变形，文字无法识别等。

如果发生这种情况，您可以使用以下三种替代解决方案。

在系统设置中，进入【更改文本、应用程序等的大小】，将所有屏幕调整为相同值。见下图左图。

软件自带第二种截图方案：调用内置的“Snip and ”完成截图并调用OCR，可以在软件设置中切换。（如果截屏后无法调用OCR，请确保系统可以通过win++S触发截图，并且无法关闭自动复制到剪贴板的开关（默认开启）。见上右图）

禁用软件的 DPI 缩放。右键单击 Umi-OCR Text .exe → 属性 → 兼容性 → 更改更高 DPI 设置 → 勾选替换高 DPI 缩放行为。

未找到引擎组件

请将--json文件夹放在与程序入口（main.py或exe）同一目录下。

效率测试扩展

测试机器：

兼容性

r5

15瓦

16克

没有错误

测试集：

图片数量 测试条件 分辨率 平均块数 平均字符数 文本语言

100

环境相同，多次测量取平均值

15

250

简体中文

测试结果：

Umi-OCR 版本 1.2.51.2.51.2.61.2.61.2.61.2.6

-json 版本

1.1.1

1.1.1

1.2.0

1.2.0

1.2.0

1.2.0

PP-OCR C++版本

2.1

2.1

2.6

2.6

2.6

2.6

是否已启用？

✅

✅

✅

✅

PP-OCR模型库版本

v2

v2

v2

v3

v3 纤薄版

v3

总时间（秒）

90

120

65

63

170

400

每页平均时间（秒）

0.9

1.2

0.65

0.63

1.7

4.0

峰值内存使用量 (MB)

1000

350

1200

1700

5800

500

综上所述：

开发说明 展开

开发人员的想法

添加新的子模块的一般方法是： 反正就是枢纽，是模块之间、模块与配置之间通讯的全局接口。 尽量不要同时跨线程读写，我设计为执行任务时，把所有可以修改配置项的UI都锁上，避免影响任务线程的读取。 我个人比较喜欢小而美，所以尽量不要用大包，这也是我一直用QT而不选择功能强大的原因。 PYQT的大小将近50m，打包后（不包括引擎）差不多是整个项目的两倍大。 注释挺多的，不用担心看不懂~ 不过有些代码比较丑，请见谅。 TODO 饼已完工（有生之年） 更新日志

点击版本号链接可以转到相应的备份分支。

v1.3.5 2023.6.20 v1.3.4 2023.4.26 v1.3.3 2023.3.19 v1.3.2 2022.12.1 v1.3.1 2022.11.4 v1.3.0 2022.9.29 v1.2.6 2022.9.1 v1.2.5 2022。 7.22 v1.2.4 2022.6.4 v1.2.3 2022.5.31 v1.2.2 2022.4.30 v1.2.1 2022.4.16 v1.2.0 2022.4.8 v1.1.1 2022.3.30 v1.1.0 2022.3.30 v1.0.0 2022.3.28 感谢

本项目的核心引擎组件来自/：

启用 OCR

本项目使用的库：/-

的 。

-/

这你也来和。

/infi。

带有 - 菜单的托盘图标。

脉宽调制

Pmw 是 的高端产品。

Umi系列图像处理软件

Umi-OCR 批量图片转文本软件 ◁

Umi-CUT 批量图像黑边去除/裁剪/压缩软件

开源地址：