软件用途：批量对本地图片文件进行离线OCR文字识别。win10 x64平台。
v1.2.3 版本中加入读取剪贴板的功能，可即时识别系统截图。
Github下载：
蓝奏云下载：（请留意发布日期和版本号）
https://wwn.lanzoul.com/b036wwa4d 密码:5w36
- 支持 win10 x64 。
- 不建议使用 win7 ，核心c++模块
PaddleOCR-json基本无法运行。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……
Umi-OCR 批量图片转文字软件 ◁
Umi-CUT 批量图片去黑边/裁剪/压缩软件 (支持Win7)
本软件用于读取系统截图 / 批量导入本地图片，识别图片中的文本，输出到软件面板或本地txt文件。 除了能批量识别普通图片，本软件还有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。尤其是，特别适合用于批量提取Galgame截图中的台词。
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。
本软件使用离线OCR模块 PaddleOCR-json 图片转文字程序 ，使用过程中无需联网。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PaddleOCR参数。通过添加不同的语言模型，软件可识别多国语言。
下载压缩包并解压全部文件即可，无需安装。
- 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。
- 若拖入文件夹，则加载文件夹下所有 符合后缀（见后） 的图片文件。
- 点击右上方 开始任务 ，等待进度条走完。
- 任务进行中，可随时点击 终止任务（原开始任务按钮）来停止，但下次开始时依然会从头开始。
- 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。
- 识别内容选项卡中，可一键将全部文本 复制到剪贴板 。
-
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。
点击 设置 选项卡，配置参数。大部分设置项（除去输出目录、文件名，忽略区域参数）会自动保存，下次打开还是这个样。
- 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 。
- 点击 录制按键 后按下想要的快捷键，如
ctrl+shift+s。然后点击 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。
v1.2.4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。
展开详情
- 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。
- 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。
- 可勾选任务完成后用系统默认编辑器打开输出文件或输出文件夹（不生成本地文件时无效）。
- 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。
- 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
- 软件 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。
- 识别器路径 配置当前使用的识别器exe程序。
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
- 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
忽略区域是本软件特色功能。可用于批量识别视频截图时排除右上角水印的干扰，批量识别游戏截图时排除UI与按钮的干扰，让识别结果只留下干净的台词文本。
展开详情
“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 添加忽略区域 ，进入忽略区域选择窗口。
- 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 1 ，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。
- 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。
- 点击选择 +忽略区域 1 ，鼠标按住，绘制矩形完全包裹住水印区域，范围可以大一些。
- 点击 完成 。返回主窗口， 开始任务 。
- 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：
- A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。
- B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A类UI位置有重合），要排除的UI分布在两侧。
- 拖入一张A类图片。选择 +忽略区域 1 ，绘制矩形包裹住要排除的 底端UI 。
- 拖入一张B类图片。选择 +识别区域 ，绘制矩形包裹住 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A类图中 可能存在的任何文本 重合。
- 然后选择 +忽略区域 2 ，绘制矩形包裹住B类图要排除的 两侧UI 。
- 点击 完成 。返回主窗口， 开始任务 。
-
忽略区域1 ：正常情况下，处于 忽略区域1 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1失效 ；即处于忽略区域1内的文字也 会 被输出。
-
忽略区域2 ：当 忽略区域1失效 时，忽略区域2才生效；即处于区域1内的文字 会 输出、区域2内的文字 不会 输出。
识别区域 忽略区域1 忽略区域2 × 不存在文字 √ 生效 × 失效 √ 存在文字 × 失效 √ 生效 -
“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。
-
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。
软件自带日文识别库，将 识别器路径 修改为 PaddleOCR-json\PaddleOCR_json_jp.exe 即可。
建议对Paddle比较熟悉或爱折腾的朋友阅读，普通用户请跳过此条
以法文为例：
- 前往 PP-OCR系列 多语言识别模型列表 下载对应的 推理模型
french_mobile_v2.0_rec_infer.tar和 字典文件french_dict.txt。 - 在
PaddleOCR-json目录下创建文件夹rec_fr，将解压后的三个模型文件放进去。字典文件可直接放在目录下。 - 复制一份识别器
PaddleOCR_json.exe，命名为PaddleOCR_json_fr.exe - 复制一份配置单
PaddleOCR_json_config.txt，命名为PaddleOCR_json_fr_config.txt - 打开配置单
PaddleOCR_json_fr_config.txt，将# rec config相关的两个配置项改为：# rec config rec_model_dir rec_fr char_list_file french_dict.txt - 保存文件，打开软件，将 识别器路径 改为
PaddleOCR-json\PaddleOCR_json_fr.exe。
软件附带的模型可能过时，可以重新下载PaddleOCR的最新官方模型，享受更精准的识别质量。或者使用自己训练的模型。
本程序兼容v2和v3版本模型库，但个人实测v3的效果不稳定，v2在速度和精确性上均占优。（见issue #4）
- 下载模型
- 前往PaddleOCR下载一组推理模型（非训练模型）。中英文超轻量PP-OCRv2模型 体积小、速度快，中英文通用PP-OCR server模型 体积大、精度高。一般来说，轻量模型的精度已经非常不错，无需使用标准模型。
- 放置模型
- 将下载下来的方向分类器（如
ch_ppocr_mobile_v2.0_cls_infer.tar）、检测模型（如ch_PP-OCRv2_det_infer.tar）、识别模型（如ch_PP-OCRv2_rec_infer.tar）解压，将文件分别放到对应文件夹cls、det、rec。 - 打开PaddleOcr_json.exe。若无报错，则模型文件已正确加载。“Active code page: 65001”是正常现象。
- 调整配置
[exe名称]_config.txt是全局配置文件，可设置模型位置、识别参数等。调整它也许能获得更高的识别精度和效率。具体参考官方文档。- 如果修改了exe名称，也需要同步修改配置文件名的前缀。
用它跑完了我珍藏的7000多张各类截图文件，效果十分满意。
跟半年前使用百度云在线OCR接口（标准文字识别）跑的对比：
- Umi-OCR使用轻量模型时速度很快，平均识别耗时<1s（使用笔记本低压u）。在线OCR受限于网络，耗时>1s。
- Umi-OCR对符号的正确识别率更高，比如能正确识别中文逗号。在线OCR的结果中，很大一部分中文逗号被识别为英文。
- 对于文字内容，Umi-OCR与在线OCR的准确度几乎没有差异。都能满足所需。
- 排除UI与水印干扰，是Umi-OCR的独有技能。理论上在线OCR的高精度识别接口也能做到，
不过那玩意死贵死贵。
- 本软件工作流程是python调用c++编译的识别器exe程序，识别器exe再加载模型文件和必要的dll链接库，完成图片识别工作。因此可切换不同exe识别器和模型文件，实现切换多国语言的识别。而且，c++识别器比python版PaddleOCR具有更高的性能。
- 启动任务时，运行tk的主线程创建了一个新线程和一个事件循环。耗时量大的OCR任务在新线程中执行，对tk界面的修改由事件循环提交到主线程中执行。
大概是这么回事？反正能跑起来就对了。无论任务跑得多满，界面都不会卡，除非实在顶不住。 PaddleOCR_json.exe接收输入一个本地图片路径，以json格式字符串输出这张图片的识别结果，如此循环往复。具体见 PaddleOCR-json 图片转文字程序 。- 由于PaddleOCR-json只接受硬盘文件，所以读取剪贴板图片时，会先将其缓存到同目录下的
Umi-OCR_temp。每次任务时清空前一次的缓存。 - 代码很丑，有空重构
下次一定 - 使用
pyinstaller打包，参数为pyinstaller -F -w -i icon/icon.ico -n "Umi-OCR 批量图片转文字" main.py
- 输出内容可选为markdown风格并嵌入图片路径。
- 设置项能保存。
- 自动打开输出文件or文件夹。
- 识别剪贴板中的图片。
低（有）优（生）先（之）级（年）：
- 对图片重命名。
- 忽略区域能保存预设。
- 缩减离线OCR模块的体积。
- 添加新功能：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。
- 添加新功能：读取剪贴板图片。配置全局快捷键调用该功能。
- 添加新功能：可选任务完成后自动打开输出文件或目录。
- 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。
- 可选生成Markdown风格的图文并茂的.md文件，作为索引使用有更佳的观感。当然也可以继续选择生成纯文本.txt文件。
- 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。
- 修正了漏洞：退出 [忽略区域窗口] 时，OCR子进程未关闭。
- 添加新功能：[忽略区域窗口] 以虚线框 展示识别出的文字块。
- “梦开始的地方”