前言
今天无意间在网上发现了一款Windows系统可用、开源、面向普通用户、基于PaddleOCR的本地文本识别工具。经过对它的一系列配置，将本地的配置文件导出并记录在这里，方便日后在其他电脑上进行快速部署。
PaddleOCR是一款基于PaddlePaddle的轻量级开源文本识别模型库，今年年初为满足毕设中证件智能识别模块开发需求做过一些研究（这里是当时对PaddleOCR的配置使用笔记）。没想到竟然能在今年年末发现有大佬从今年3月底开始同样基于这款模型库开发并开源了一款面向用户的，方便快捷的文本识别工具！
相信很多人和我一样，经常会有在电脑上进行OCR操作的需求。从几年前开始我陆续使用过很多第三方的工具（如：天若OCR、QQ截图OCR等），但是它们终究都没能很好的满足我在体验方面的需求。于是自己开发了一个基于Web异步请求和百度高精接口的轻量级应用，使用范围也局限于自己和身边的个别人。毕竟使用别人的在线接口，还是会有很多不稳定性因素在里面的。原本打算年底在自己服务器上基于PaddleOCR server端模型对该应用进行重构，现在看来已经必要性不大了。
Umi-OCR
简介
按照官方的介绍，这是一款免费，开源，可批量的离线OCR软件：
兼容性
- 系统支持
Win10 x64及以上版本。 - CPU必须具有
AVX指令集。 - 出现初始化引擎失败等问题时请参考 问题排除 。
地址
更新日志（截至12.8）
v1.3.2 2022.12.1
新功能：创建开机启动项时，可选不显示主窗口。
新功能：OCR结果输出到每个图片同名的单独txt文件。
新功能：增加独立的设置语言窗口，可在多处点开，便于切换语言。
新功能：合并段落添加合并自然段-西文模式，可在英文段落换行时补充空格。
新功能：快捷识图可选自动清空面板，只显示本次识别结果，且隐藏时间信息。
修复了一些BUG。
v1.3.1 2022.11.4
修Bug：快捷键模块重写，引入pynput库，舍弃keyboard库，解决几率失效、录制不正确等Bug。
新功能：添加开机自启，桌面快捷方式，开始菜单快捷方式。
新功能：多开软件时提示。
新功能：截图时隐藏窗口。
调整UI：使用频率极低的设置项设为隐藏的高级选项。
优化：检查引擎组件是否存在。
优化：横排-合并多行-自然段 优化逻辑，支持0~2全角空格首行缩进。
v1.3.0 2022.9.29
新功能：框选截屏。
新功能：系统托盘图标。
新功能：引擎进程常驻。
新功能：文本块后处理模块。
新功能：自定义主输出栏字体。
新功能：设置窗口弹出模式（保持置顶）。
调整UI：自适应Win风格组件。
修正了Bug：系统语言兼容性问题 issue #16 。
修正了Bug：微信图片粘贴问题 issue #22 。
更新PaddleOCR-json模块至v1.2.1，提供剪贴板支持。快捷识图通过剪贴板中转，无需再保存临时文件到硬盘。
v1.2.6 2022.9.1
更新PaddleOCR-json模块至v1.2.0，提高识别速度、准确度。
调整UI：更方便地用下拉框切换识别语言。
调整UI：可以从主窗口任意位置/任意选项卡拖入图片。
修正了Bug：提高程序健壮性，增加启动子进程时的更多异常处理情况。
修正了Bug：彻底解决了对边缘过窄的图片，识别结果不准确的问题 issue #7 。
优化适配PP-OCRv3模型，彻底解决了v3版模型比v2慢、不准的问题 issue #4 。
v1.2.5 2022.7.22
新功能：计划任务。识图完成后执行自动关机等任务。
新功能：可选拖入文件夹时递归导入子文件夹中所有图片。
调整UI：添加一些配置文件的快捷入口。
v1.2.4 2022.6.4
新功能：可选识别剪贴板图片后自动复制识别的文本。
补充功能：快捷键调用剪贴板识图时，若程序窗口被最小化，则恢复前台状态并挪到最前位置。
v1.2.3 2022.5.31
新功能：读取剪贴板图片。配置全局快捷键调用该功能。
v1.2.2 2022.4.30
新功能：可选任务完成后自动打开输出文件或目录。
v1.2.1 2022.4.16
更新PaddleOCR-json模块至v1.1.1，修正了可能得到错误包围盒的漏洞。
v1.2.0 2022.4.8
可选生成图文链接.md文件，作为索引使用有更佳的观感。
修改设置面板的样式，改为滚动面板以容纳更多设置选项。
用户修改配置项后可自动保存。
v1.1.1 2022.3.30
修正了Bug：退出忽略区域窗口时，OCR子进程未关闭。
v1.1.0 2022.3.30
新功能：忽略区域窗口以虚线框 展示识别出的文字块。
v1.0.0 2022.3.28
“梦开始的地方”体验
综合体验还是很好的，文本识别准确率也比较高（就是界面丑了点，哈哈，问题不大）。
用户界面（按照我的配置，几乎用不到）
识别内容：
设置：
功能
针对批量图片需要处理的场景功能也很强大，在这里我就不一一展开介绍了，可以参考这里。
配置备份
配置后通过win+shift+a快捷键来触发截图，截图识别结果将不再主界面展示，而是直接被复制到剪切板，主界面“识别内容”可作为识别历史记录加以回溯参考。
{
"isDebug": false,
"isAdvanced": false,
"isTray": true,
"isBackground": true,
"clickTrayModeName": "显示面板",
"textpanelFontFamily": "Microsoft YaHei UI",
"textpanelFontSize": 14,
"isTextpanelFontBold": false,
"WindowTopMode": 0,
"isAutoStartup": true,
"isStartMenu": true,
"isDesktop": false,
"isHotkeyClipboard": true,
"hotkeyClipboard": "win+alt+v",
"isHotkeyScreenshot": true,
"isScreenshotHideWindow": false,
"screenshotHideWindowWaitTime": 200,
"hotkeyScreenshot": "shift+win+a",
"hotkeyMaxTtl": 2.0,
"isHotkeyStrict": false,
"scsModeName": "Umi-OCR 软件截图",
"scsColorLine": "#3366ff",
"scsColorBoxUp": "#000000",
"scsColorBoxDown": "#ffffff",
"isNeedCopy": true,
"isNeedClear": false,
"isOpenExplorer": false,
"isOpenOutputFile": false,
"okMissionName": "关机",
"okMission": {
"关机": {
"code": "msg %username% /time:25 \"Umi-OCR任务完成，将在30s后关机\" & echo 关闭本窗口可取消关机 & choice /t 30 /d y /n >nul & shutdown /f /s /t 0"
},
"休眠": {
"code": "msg %username% /time:25 \"Umi-OCR任务完成，将在30s后休眠\" & echo 关闭本窗口可取消休眠 & choice /t 30 /d y /n >nul & shutdown /f /h"
}
},
"isRecursiveSearch": false,
"isOutputTxt": true,
"isOutputSeparateTxt": false,
"isOutputMD": false,
"isOutputJsonl": false,
"isIgnoreNoText": true,
"tbpuName": "优化单行",
"isAreaWinAutoTbpu": false,
"ocrToolPath": "PaddleOCR-json/PaddleOCR_json.exe",
"ocrRunModeName": "",
"ocrConfigName": "简体中文",
"ocrConfig": {
"简体中文": {
"path": "PaddleOCR_json_config_ch.txt"
}
},
"argsStr": "",
"isOcrAngle": false,
"ocrCpuThreads": 10,
"isOcrMkldnn": true,
"ocrLimitModeName": "长边压缩模式",
"ocrLimitSize": 960,
"imageSuffix": ".jpg .jpe .jpeg .jfif .png .webp .bmp .tif .tiff",
"isLanguageWinAutoExit": false,
"isLanguageWinAutoOcr": false,
"processID": 3128,
"processKey": "1670492176.8567443",
"promptScreenshotScale": true,
"promptMultiOpen": true
}参考资料：
Release Umi-OCR 文字识别工具 v1.3.2 · hiroi-sora/Umi-OCR · GitHub
版权属于：soarli
本文链接：https://blog.soarli.top/archives/673.html
转载时须注明出处及本声明。
