Umi-OCR：免费离线OCR文字识别工具完整使用指南-编程实验室

Umi-OCR：免费离线OCR文字识别工具完整使用指南

【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、开源的离线OCR文字识别软件，支持 Windows 7/10/11 x64 与 Linux x64，提供截图OCR、批量图片识别、PDF文档识别三大功能，并内置二维码扫描与生成。所有识别都在本地完成，全程无需联网，适合办公文档数字化、截图取字等日常场景。

📌 把一张截图变成可编辑文字

最典型的使用场景是：网页、图片里有一段你没法直接选中的文字，复制粘贴都行不通，手动重敲又太慢。Umi-OCR 的截图OCR就是为这一步设计的——按下快捷键框选区域，文字会出现在左侧预览和右侧记录里，直接划选复制即可。

操作步骤：

从发行版下载.7z或.7z.exe自解压包，解压后双击Umi-OCR.exe启动。软件无需安装，解压即用；
首次启动时，软件会按系统语言自动切换界面；
打开「截图OCR」标签页，按下截图快捷键，在屏幕上框选要识别的区域；
在左侧图片预览栏用鼠标划选文字直接复制；在右侧记录栏也可以编辑文字，或划选多条记录批量复制。

结果与效果：识别结果带置信度和时间戳逐条存入记录栏，支持全选、按条删除、清空。除了快捷键截图，你还可以在其他地方复制图片后直接粘贴到 Umi-OCR 识别。

一个值得单独说明的配置是文本后处理（排版解析）：Umi-OCR 会自动识别多栏布局，按自然段规则换行。如果你常识别代码截图，把排版方案切到「单栏-保留缩进」，可以保留行首缩进和行内空格，代码直接粘贴到编辑器里不用手动重排：

🖼️ 批量图片识别与水印排除

当你有一整文件夹扫描图、聊天截图需要转文字时，用「批量OCR」标签页比逐张截图高效得多。

操作步骤：

打开「批量OCR」标签页，点「选择图片」或直接拖入文件夹；
勾选要保存的输出格式，点击「开始任务」；
在右侧记录栏查看每张图的识别文本，逐条复制。

结果与效果：

支持输入格式：jpg, jpe, jpeg, jfif, png, webp, bmp, tif, tiff，且没有数量上限，一次导入几百张也可以；
支持保存格式：txt、jsonl、md、csv(Excel)，按后续处理需求选一种即可；
任务完成后可以自动关机/待机，适合晚上挂机跑大任务。

忽略区域是批量识别里很实用的功能：如果每张图片的固定位置都有水印或 LOGO，识别出来会污染文本。进入右栏的忽略区域编辑器，按住右键绘制多个矩形框把水印包住，之后落在框内的文本块会在任务中被跳过。注意框要画得足够大，完整覆盖水印可能出现的所有位置；被忽略的单位是整个文本块而非单个字符。

另外，如果要识别像素很大的长图或大图，请在「页面的设置 → 文字识别 → 限制图像边长」中调高数值，避免大图被压缩后丢失细节。

📄 PDF 扫描件识别为可搜索文档

适用场景：手里的 PDF 是扫描件，全是图片，搜索、复制文字都不行。文档识别功能支持pdf, xps, epub, mobi, fb2, cbz格式，可以把扫描件OCR后输出为双层可搜索PDF——视觉上是原图，但底下有一层可复制、可搜索的文本。

操作步骤：

打开「文档识别」标签页，导入文档文件；
如需排除页眉页脚，用忽略区域设定矩形范围，并可用页数范围限定它在第几页到第几页生效（负数表示倒数第X页）；
启动任务，完成后选择保存类型。

结果与效果：得到双层可搜索PDF后，就能用搜索定位段落、鼠标直接复制文字。加密文档需要填写密码。注意该功能需要v2.1.4 及以上版本，批量文档任务同样支持完成后自动关机/休眠，以及任务暂停后在待机恢复。

🔗 二维码扫描与生成

「二维码」标签页同时解决读码和生码两件事：

扫码：截图、粘贴或拖入本地图片，读取其中的二维码、条形码；支持一图多码，覆盖 QRCode、EAN13、DataMatrix、PDF417 等 19 种协议；
生成码：输入文本即可生成二维码图片，同样支持 19 种协议，并可调整纠错等级等参数，生成参数变化后画面会自动刷新。

如果你的二维码图片偏小或对比度低导致识别失败，HTTP 接口的二维码识别还支持中值滤波、锐度、对比度、灰度、二值化等预处理参数，详见 docs/http/api_qrcode.md。

⚙️ 全局设置：语言、主题、OCR引擎与渲染器

「全局设置」标签页集中管理软件的通用参数。

常用配置：

快捷方式：一键添加桌面/开始菜单快捷方式，或设置开机自启，之后随时用快捷键唤起；
语言：支持简体中文、繁體中文、English、日本語、Русский、Português 等语言。首次启动按系统语言自动选择，手动切换在「全局设置 → 语言/Language」；
主题与字体：多个亮/暗主题可切换，字体和界面大小比例可调；
OCR插件：内置 RapidOCR（兼容性好）和 PaddleOCR（速度稍快）两种引擎，可按需切换。若通过 Scoop 安装，注意umi-ocr与umi-ocr-paddle两个包不要同时装，快捷方式会被覆盖；
渲染器：界面默认使用显卡加速渲染。如果出现截屏闪烁、UI 错位，就在这里切换渲染方案或关闭硬件加速。

🖥️ 命令行与HTTP接口：让Umi-OCR进入自动化流程

除了图形界面，Umi-OCR 的命令行入口就是主程序Umi-OCR.exe，HTTP 服务默认开启（主机选「仅本地」即可），默认端口1224。命令行依赖这个本地回环服务跨进程通信，不经过物理网卡。

常用指令：

指令	作用
`umi-ocr --help`	查看全部参数说明
`umi-ocr --screenshot`	唤起鼠标截屏识别
`umi-ocr --screenshot screen=0 rect=50,100,300,200`	无需划选，直接截取指定显示器指定矩形区域
`umi-ocr --clipboard`	识别剪贴板中的图片
`umi-ocr --path "D:/xxx.png"`	识别指定文件；传文件夹路径会递归识别其中所有图片
`umi-ocr --qrcode_read "D:/xxx.png"`/`--qrcode_create "文本" "D:/out.jpeg"`	识别二维码 / 生成二维码图片
`umi-ocr --screenshot --clip`	识别结果复制到剪贴板
`umi-ocr --screenshot --output test.txt`	识别结果写入文件（`--output_append`为追加，也可用`"-->"`、`"-->>"`简写）
`umi-ocr --show`/`--hide`/`--quit`	弹出 / 隐藏主窗口 / 关闭软件

两个实用提示：

指令支持前缀简写，--screenshot可写成--sc；
命令行任务的结果输出建议用--output而不是管道重定向>、|——后者在部分环境下会失效。需要程序化获取回传时，可以改调 HTTP 的/argv接口（仅允许127.0.0.1本地调用）。

HTTP接口适合集成到自己的脚本或服务中：

图片OCR：POST /api/ocr，请求体为 Base64 编码的图片（无需data:image/png;base64,前缀），可选参数里可指定识别语言、排版解析方案、忽略区域等；返回code=100表示成功，code=101表示图中无文本；
文档识别：/api/doc/upload上传文件获取任务ID →/api/doc/result轮询状态 →/api/doc/download取双层PDF/txt/csv等下载链接 →/api/doc/clear/<id>清理任务（不手动清理会在24小时后自动清理）；
写代码前建议先调GET /api/ocr/get_options查询当前引擎的全部参数定义与默认值，避免引擎不同导致参数不匹配。

完整参数与示例代码见 docs/http/api_doc.md 和 docs/http/api_ocr.md。

🩹 常见坑与排查

现象	原因与处理
命令行没反应	命令行通过本地HTTP服务通信，确认全局设置中HTTP服务已允许且主机为「仅本地」（默认开启）
截屏闪烁、UI错位	显卡加速渲染问题，到「全局设置 → 界面和外观 → 渲染器」换渲染方案或关闭硬件加速
识别结果里混入水印文字	用批量页的忽略区域画框包住水印；HTTP调用则传`tbpu.ignoreArea`参数
大图/长图识别不全	「文字识别 → 限制图像边长」默认 960，会把大图压缩；识别精度优先时调高该值
代码截图缩进丢失	排版解析方案改为「单栏-保留缩进」
界面语言不对	首次启动按系统语言自动选择，去「全局设置 → 语言」手动改
手动改了配置文件不生效	配置保存在`UmiOCR-data/.settings`（ini 格式），改完执行`umi-ocr --reload`重新加载（v2.1.5 起支持）