企业官网建设流程全解析

Umi-OCR 完整指南：免费离线 OCR 软件如何识别屏幕文字与批量图片

【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR

Umi-OCR 是一款免费、开源、离线的 OCR 文字识别软件，支持 Windows 7 x64 和 Linux x64。它的运行逻辑很简单：识别引擎、语言模型库全部打包在软件里，全程不联网、不上传图片，也不设识别字数上限。你截个图、丢个文件夹进去，它就还你一段能复制、能编辑的文字。

软件本身没有安装过程——下载压缩包，解压，双击Umi-OCR.exe就能用。下面按"拿到软件 → 认识界面 → 各场景用法 → 自动化调用"的顺序，把日常会用到的部分讲清楚。

三分钟拿到 Umi-OCR：下载或命令行安装

方式一：直接下载压缩包

发布包是.7z压缩包（或.7z.exe自解压包，没有装压缩软件时用它）。解压到任意目录，双击Umi-OCR.exe启动即可。软件会把设置、日志等数据统一放在同级的UmiOCR-data目录里，迁移时把整个文件夹搬走就行。

方式二：Scoop 安装

如果你习惯用 Scoop 这类命令行包管理器，两条命令搞定：

scoop bucket add extras scoop install extras/umi-ocr

第二条命令有可选变体：extras/umi-ocr内置Rapid-OCR引擎，兼容性好；extras/umi-ocr-paddle内置Paddle-OCR引擎，速度稍快。两者不要同时装，快捷方式会互相覆盖。之后想换引擎，导入对应插件就能切换，不用重装。

认识主界面：标签页结构与语言设置

v2 版的主界面由一排标签页组成，按自己的习惯开哪几个、关哪几个即可。常见的是：截图OCR、批量OCR、文档识别、二维码、全局设置。标签栏左上角可切换窗口置顶，右上角能锁定标签页，防止误触关闭。

第一次打开时，软件会按系统语言自动切换界面。需要手动改的话，路径是全局设置 → 语言/Language，改完生效即可。项目内置简中、繁中、英语、日语、俄语、葡萄牙语、泰米尔语等多种语言，翻译工作由社区在 Weblate 平台上协作完成。

截图 OCR 是日常使用频率最高的功能：打开该标签页，用快捷键唤起截图，框选屏幕任意区域，文字就会出现在右侧记录栏里。

几个实用细节：

• 左侧图片预览栏支持直接用鼠标划选复制文字；
• 右侧记录栏里文字可编辑，还能划选多条记录一起复制；
• 不用截图也可以：在其他地方复制一张图片，直接粘贴进 Umi-OCR 就能识别；
• Esc可以随时取消截图。

排版解析：从"认出来了"到"好用"

OCR 引擎的原始输出是一堆按位置排列的文本块，顺序常常是乱的。Umi-OCR 内置的排版解析会按你选的规则重新组织顺序，这是它识别结果可读性好的关键。预设方案：

• 多栏-按自然段换行：适合大部分场景，自动识别多栏版面，按自然段换行；
• 多栏-总是换行 / 无换行：每句都换行，或全部合并成一行；
• 单栏-按自然段换行 / 总是换行 / 无换行：同上，但不区分多栏；
• 单栏-保留缩进：专门给代码截图用的，保留行首缩进和行内空格；
• 不做处理：直接输出引擎原始结果。

横排、竖排（从右到左）的版面都能自动处理，竖排还要求 OCR 引擎本身支持。以代码为例，选中"保留缩进"方案后，识别结果能保持函数嵌套结构：

批量 OCR：一次跑几百张图

把图片或文件夹拖进"批量OCR"页，点开始任务。要点：

• 支持输入格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff；
• 结果可存为txt、jsonl、md、csv（csv 默认 ANSI 编码，直接兼容 Excel）；
• 没有数量上限，几百张一起跑没问题，完成后还能自动关机/待机；
• 批量页同样支持上面讲的排版解析；
• 遇到像素超大的长图识别不完整，去页面的设置 → 文字识别 → 限制图像边长，把数值调高。

忽略区域：把水印从结果里剔除

批量识别带水印的图片时，水印文字会混进结果。"忽略区域"就是为此设计的：

1. 在批量页右栏设置里打开忽略区域编辑器；
2. 按住右键，在水印可能出现的位置画若干矩形框；
3. 画的时候尽量框大一点，把水印所有可能位置都包进去。

注意规则：只有完整落在框内的文本块会被忽略，压在框边缘的文字块照样保留。

文档识别：扫描件 PDF 变可搜索文本

"文档识别"页处理pdf, xps, epub, mobi, fb2, cbz格式的文件：

• 对扫描件做 OCR，或直接提取 PDF 里已有的文本层；
• 结果可以输出为双层可搜索 PDF——底层是原图，上层叠加可搜索的文字，适合归档；
• 同样支持忽略区域，用来排除页眉页脚；
• 支持任务完成后自动关机/休眠。

v2.1.0 起批量文档任务还允许暂停：不退出软件，待机或休眠后回来还能恢复任务。

二维码页：识别和生成都行

• 扫码：截图、粘贴或拖入图片，读取其中的二维码/条形码，一张图里有多个码也能全部读出；支持 QRCode、EAN13、Code128、PDF417 等 19 种协议；
• 生成码：输入文本生成二维码图片，同样支持这 19 种协议，还能调纠错等级等参数。

命令行调用 Umi-OCR

Umi-OCR 的命令行入口就是主程序本身。注意：命令行依赖软件内置的 HTTP 服务做跨进程通信（走本地环回，不经过网卡），所以必须在全局设置里保持 HTTP 服务开启——默认是开的，主机选"仅本地"即可。

常用指令一览（umi-ocr可简写，等价于Umi-OCR.exe）：

两点提醒：

• 指令支持前缀简写，如--sc就是--screenshot；
• OCR 类指令复用"截图OCR"标签页里的参数设定（识别语言、是否弹窗等），不想命令行任务弹出主窗口，就去该标签页关掉对应选项。

完整手册见 docs/README_CLI.md，里面还有调用任意标签页函数的高级指令，适合想深挖的开发者。

HTTP 接口：把 OCR 嵌进自己的程序

如果你要写个小程序调用 OCR，不必折腾命令行，直接用它的 HTTP 接口。同样需要在全局设置中开启 HTTP 服务：

• 本机自用：主机保持"仅本地"；
• 让局域网内其他设备访问：主机改为"任何可用地址"。

接口覆盖图片 OCR（Base64 传图）、文档识别、二维码识别/生成等场景，参数文档在 docs/http/README.md 和 api_doc.md 中。两个使用注意：后端并发能力有限，建议串行调用；长时间大批量请求偶尔出现ECONNREFUSED类报错，重试即可。

常见问题速查

截图时屏幕闪烁、界面错位？去全局设置 → 界面和外观 → 渲染器，换一种渲染方案，或关闭硬件加速。软件默认启用显卡加速渲染，个别机器不兼容时这样处理。

识别准确率低？按顺序排查：图片本身是否清晰；排版解析方案是否选对（代码截图选"保留缩进"，多栏版面选多栏方案）；大图是否被边长限制截断（调高限制图像边长）。

命令行没反应？检查全局设置里 HTTP 服务是否开启。另外 v2.1.5 起软件带日志机制，命令行启动时可看实时日志，Umi-OCR/UmiOCR-data/logs目录会保存指定级别以上的日志，排错时很有用。

配置文件在哪？UmiOCR-data/.settings（ini 格式），可以手改，改完用umi-ocr --reload重载生效。

版本历史、各分支的变更说明都在 CHANGE_LOG.md，当前最新稳定版本为 v2.1.5。

收尾：一张一次性配置清单

Umi-OCR 没有"学习成本"，但有几处配置值得在第一次使用时就定好，之后基本不用再动：

1. 固定安装位置：解压到目录名不含空格的稳定路径，方便命令行调用；
2. 快捷方式：全局设置里勾选桌面/开始菜单快捷方式，需要常开就加开机自启；
3. 截图快捷键：按手顺改一个，之后全程不碰鼠标；
4. 界面语言与主题：亮色/暗色主题、字体和界面大小比例，都在全局设置里一次调完；
5. 排版解析方案：按主要用途选默认方案——文档类用"多栏-按自然段换行"，代码类换"单栏-保留缩进"；
6. 渲染器：一切正常就不动，出现闪烁再切。

配置完这一轮，剩下的就是用了。离线识别、数据不出本机、开源免费，这三点决定了它适合长期留在电脑里，作为处理文字图片的常驻工具。

【免费下载链接】Umi-OCROCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。项目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR