企业官网建设流程全解析

Umi-OCR 完整指南：截图、批量图片与扫描 PDF 的免费离线 OCR

【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、完全离线的 OCR 软件，识别过程全部在本地引擎中完成。它覆盖屏幕截图文字识别、批量图片识别、扫描版 PDF 提取，以及二维码的扫码与生成，解压后就能用，不需要联网、也不涉及任何安装。

项目定位：Umi-OCR 是什么

一句话概括：它是一个跑在你自己电脑里的文字识别工具箱，图片不会流向任何外部服务器，扫描件和内部文档可以放心处理，断网状态下功能也照常可用。

核心能力一览：

软件适配 Windows 7 x64 与 Linux x64，首次启动时会跟随系统自动选择界面语言。

安装与首次运行：解压即用

1. 获取发布包：使用仓库根目录下的Umi-OCR_Rapid_v2.1.5.7z，没有解压缩软件的机器可以改用配套的.7z.exe自解压包；也可以自行克隆代码git clone https://gitcode.com/GitHub_Trending/um/Umi-OCR构建。
2. 把压缩包释放到任意目录，整个软件没有安装环节，也不挑路径。
3. 运行Umi-OCR.exe（Linux 下为umi-ocr.sh）打开主程序。
4. 切到「截图OCR」标签页，点左侧工具栏的截屏图标，在屏幕上拖出一个矩形框。
5. 松开鼠标，识别出的文字就落在右侧「记录」面板，随时可以划选复制。

界面左侧是被截取的代码图片预览，下方有「隐藏文本」开关和缩放比例；右侧「记录」页签列出识别文字，右上角是「滚动」开关与「清空」按钮。

实战场景：从一张截图到一整批文件

截图识别网页文字

适合网页正文、聊天截图、屏幕中的代码这类零散需求。进入「截图OCR」页后点截屏图标，拖框选定区域即可；也可以在别处复制一张图片，直接粘贴进来识别。左侧预览栏支持鼠标划选，右侧「记录」栏允许编辑文字、跨多条记录划选后一次性复制，右键还有「复制（Ctrl+C）」「全选（Ctrl+A）」「复制图片」等快捷入口。

图中左侧是带选区的文档截图，右键菜单列出复制、全选、复制图片、显示/隐藏文字等选项；右侧「记录」面板按时间排列每次识别的结果。

批量导入图片文件夹

几十张图不想一张张开？「批量OCR」页点「选择图片」，文件或整个文件夹都能加入队列，支持jpg、png、webp、bmp、tif等常见格式，且没有数量上限。右侧设置区确认语言、排版解析等参数后点「开始任务」，顶部进度条会实时给出耗时、完成数与百分比，「记录」面板逐张展示识别文本并附带置信度。长图或超大图若识别精度不理想，可在设置里调高「限制图像边长」的数值；任务结束后还能自动关机或待机。

左侧列表已排入 13 张图片，进度条显示「1.4s 3/13 23%」，「开始任务」按钮就在旁边；右栏「记录」按文件名分组列出文字，每条标注时间与置信度。

扫描版 PDF 数字化

「文档识别」页面向扫描件工作：按页解析文档，先做 OCR，再把文字整理成可保存的纯文本，或者生成「双层 PDF」——原扫描画面保持不动，上面叠加一层可搜索、可复制的文字，版式观感完全不变。它同样支持设置忽略区域来剔除页眉页脚，多个文档可一次加入，识别参数与批量图片页共用一套配置，不用重复调。

提升准确率：排版解析与三个调优点

排版解析方案决定引擎找到文字块之后怎么排序换行，选错方案会让输出顺序混乱：

排除干扰：在「忽略区域」编辑器里按住右键画矩形框，把水印、LOGO、页眉页脚包住，任务执行时位于框内的整个文本块会被直接舍弃，框尽量画大一些，盖住水印可能出现的全部位置。

「记录」面板每条结果上方都标着耗时和置信度（如 0.92），数值明显偏低时换更清晰的源图，或在设置里把「限制图像边长」从默认 960 调高，精度通常会有改善；对记录右键可以删除单条或清空全部。

方向纠偏：遇到倾斜、倒置的文字，打开「文本方向纠偏」，引擎会先判断方向再识别，准确率提升，速度会略降。

进阶调用：命令行与 HTTP 接口

主程序本身就是命令行入口。前提是「全局设置」页里保持允许 HTTP 服务（默认开启，主机选「仅本地」即可），因为指令是通过系统内部环回传给后台进程的，不走物理网卡。

umi-ocr --screenshot --clip umi-ocr --path "D:/notes/img1.png" --output text.txt umi-ocr --help

第一条发起截屏识别并把结果送进剪贴板，第二条识别指定文件（也接受文件夹、多路径），写结果到text.txt；指令还支持简写，如--screenshot可缩成--sc。完整参数见 命令行手册。

程序化接入则走 HTTP 接口：服务默认监听 1224 端口，图片识别调用 POST/api/ocr，请求体传图片的base64字符串与可选的options参数字典，把data.format设为text就只拿识别文本；GET/api/ocr/get_options能查询当前引擎支持的全部参数及默认值。二维码识别/生成、PDF 文档识别也各有对应接口，详见 HTTP 接口文档。

「全局设置」页的服务区控制 HTTP 开关与监听地址，保持「仅本地」时只有本机能发起请求。

常见问题

识别时必须联网吗？不需要。识别由内置离线引擎完成，断网环境一样工作；HTTP 服务也只在本机环回上通信，默认主机就是「仅本地」。

识别语言在哪里切换？「截图OCR」「批量OCR」右侧设置里可以切换简体、繁体、英文、日文、韩文等模型库，混合语言的文档按文字主体选一套即可。

倾斜或倒着的文字认得出来吗？可以。开启「文本方向纠偏」后引擎先判方向再识别，代价是速度略有下降。

结果存在哪、怎么带走？默认展示在右侧「记录」面板，直接复制或导出即可；批量任务可导出txt、jsonl、md、csv四种格式；命令行调用还能用--output把结果直接写进文本文件。

从一张随手截图到一整批扫描件，日常遇到的文字提取活计基本都被 Umi-OCR 收进了一个窗口里，而且它自始至终不碰外网 🎉

相关资源：

• CHANGE_LOG.md：历次版本更新记录
• docs/README_CLI.md：命令行完整手册，含范围截屏与高级指令
• docs/http/README.md 与 docs/http/api_ocr.md：HTTP 接口总览及参数细节
• Umi-OCR_Rapid_v2.1.5.7z：仓库根目录的发布包，解压即可运行

【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