Umi-OCR批量图片转文字工具使用方法及注意事项

Umi-OCR批量图片转文字工具是一款离线OCR软件，批量导入本地图片 / 读取剪贴板，识别图片中的文本，输出到软件面板或本地 .txt / .md 文件。

免费：本项目所有代码开源，完全免费。

方便：解压即用，无需安装。不需要网络。

高效：OCR识别引擎是C++编译的PaddleOCR-json(PP-OCRv2.6 cpu_avx_mkl)，比前代提速20%。只要电脑性能足够且支持mkldnn，通常能比在线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，对非常规字形(手写、艺术字、小字、方向不正、杂乱背景等)也有不错的识别率。可设置忽略区域排除水印，进一步提高精准性。

兼容性

系统支持 Win10 x64 。

不建议使用 Win7 ，识别引擎很可能无法运行。如果想尝试，win7 x64 sp1 打满系统升级补丁+安装vc运行库后有小概率能跑起来。

CPU必须具有AVX指令集。常见的家用CPU一般都满足该条件。

简单上手

准备

下载压缩包并解压全部文件即可。

批量识别本地图片文件

打开主程序，将任意图片/文件夹拖入窗口中的白色背景表格区域，或点击左上方的浏览选择图片。

点击右上方开始任务，等待进度条走完。

点击识别内容选项卡查看输出文字，或者前往第一张图片的目录查看识别结果txt文件。

快速识别剪贴板截图

按 [Win+Shift+S] 截取一张系统截图，或者在网页等地方复制一张图片。

切换到识别内容选项卡，点击剪贴板读取。

可以在设置选项卡中录制并启用全局快捷键，快速唤起程序识别。若此时程序窗口处在被覆盖的后方或者被最小化，则会自动挪到最前的位置。

设置说明

点击设置选项卡，配置参数。大部分设置项修改后会自动保存。

计划任务：

识图任务完成后，额外执行的任务。可执行打开生成文件/目录，自动关机/待机等。

即使识图任务正在进行中，也可以随意修改这些选项。

自定义计划任务

您可创建自己的计划任务，本质是调用一段cmd命令。

点击打开设置文件，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"}

忽略图片中某些区域内的文字：

点击添加区域展开配置忽略区的新窗口。具体配置方式见后。

点击清空区域清空已配置的所有忽略区域参数。

已添加区域后，上方标题文字提示当前忽略区域的生效分辨率。

从剪贴板读取图片：

点击录制按键后按下想要的快捷键，如ctrl+shift+s。然后勾选启用全局快捷键。

按下快捷键后，程序检查当前剪贴板的第一位是否为图片，是则程序跳到顶层并展示识别文字。

请检查并避免全局快捷键与其它程序冲突。

可设置识图后自动复制识别内容(不含任务时间等信息的纯内容文本)。此设置只对剪贴板识图生效，批量任务时无效。

重要提示：v1.2.6版本提高了批量处理的平均速度，但代价是需要花费更长时间进行初始化。这可能影响剪贴板识图的速度(每次剪贴板任务都要重新初始化)。若频繁使用此功能，建议先使用旧版v1.2.5。

输入设置：

递归读取子文件夹中所有图片若勾选，拖入文件夹到处理列表时，会导入所有子文件夹中的图片。否则只会导入一层文件夹下的图片。

图片后缀正常情况无需改动。

图片后缀配置软件允许载入的图片后缀，不同后缀以空格分隔，必须全为小写。

如果你有必要添加新的图片后缀，要保证该图片同时满足c++模块的PaddleOCR和Python的PIL均可识别。比如.gif图片，虽然PIL可以识别，但PaddleOCR无法识别，载入gif文件会导致软件任务失败，因此不允许载入.gif。

不在许可后缀范围内的文件，拖入软件也不会被载入。目前默认的图片后缀为：.jpg .jpe .jpeg .jfif .png .webp .bmp .tif .tiff

输出设置：

将识别内容写入本地文件取消勾选后，不会再生成本地文件，只能在识别内容选项卡中查看输出信息。若设置了本次任务完成后自动关机，请务必勾选此项，以免至今为止的努力全部木大。

其他项正常情况无需改动。

输出调试信息若勾选，则会额外输出程序工作状态的内容。

忽略无文字的图片若勾选，则不含文字(或文字全被忽略区域屏蔽掉)的图片名称不会出现在输出信息中。

若想生成一份用于浏览的Markdown文件，则建议取消勾选。

生成文件可选择两种风格：纯文本.txt文件和Markdown风格.md文件。前者可用于查找等一般用途。后者在编辑器或浏览器中渲染为图文并茂的页面，可用于浏览和欣赏图集。

输出目录和输出文件名设置生成的文件的位置和名称。

当拖入第一张图片且这两项设置为空时，自动设置输出路径为第一张图片的父目录，输出文件名为[转文字]_{父目录}.txt。除非要自定目录和名称，否则这两项默认留空即可。

处理列表标签页的清空表格按钮，除了会清空已导入的图片列表，还会清空输出目录和输出文件名设置。这样下次拖入新图片时，就能在新的位置存放输出文件。

识别器设置：

识别语言选择当前识别语言(即OCR参数文件)。英文无需切换，所有语言均支持英文字母识别。

启动参数可输入字符串配置参数，调整识别过程，适应任务需求。