Umi-OCR：开源、免费的离线OCR软件，一键解码万物语言，图像转文本轻松搞定！

原创

辣码甄源 2024-04-24 20:48:59 ©著作权

©著作权归作者所有：来自51CTO博客作者辣码甄源的原创作品，请联系作者获取转载授权，否则将追究法律责任

Umi-OCR：瞬间捕获，字句跃然眼前！精准识别图文信息，让数据提取无限拓展！ - 精选真开源，释放新价值。

概览

Umi-OCR是一款强大的开源光学字符识别（OCR）工具，致力于打破现实与数字世界的界限，通过先进的算法，实现对各类复杂图像中的文字信息进行高精度、高速度的抓取与转换。无论是文档扫描件、票据照片还是屏幕截图，Umi-OCR都能够轻松驾驭，将原本静态的图文信息转化为可编辑、可搜索的数据资源。它不仅服务于个人用户日常的文件管理需求，更是企业级业务流程自动化、大数据分析等场景下不可或缺的利器。

截至发稿概况如下：

软件地址：https://github.com/hiroi-sora/Umi-OCR
软件协议：MIT
编程语言：

语言	占比
QML	51.6%
Python	48.4%

收藏数量：19.9K

主要功能

截图OCR

打开截图OCR标签页后，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。

文本后处理

Umi-OCR预设了多种**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	详情
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

打开批量OCR标签页后，可以使用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”，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，如下方样例，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。

文档识别

Umi-OCR可以进行文档识别，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。

二维码识别与生成

Umi-OCR还能够识别二维码。截图/粘贴/拖入本地图片，即可读取其中的二维码、条形码。支持一图多码，效率极大提高。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