Umi-OCR 批量图片转文字工具

图片批量离线OCR文字识别工具。可设置忽略选区，排除视频截图的水印、游戏截图的按钮等干扰。

下载

前往下载：Umi-OCR 批量图片转文字v0.1

简介

本软件用于批量导入本地图片，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，往往只需要提取台词区域的文本，而避免水印和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。尤其是对于干净地提取Galgame截图中的台词特别有效。 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/文字的截图；将这些图片提取出文字、然后Ctrl+F是一个很有效的方法；这也是开发本软件的初衷。

本软件使用离线OCR模块 PaddleOCR ，使用过程中无需联网。支持更换 官方模型（v2.x版本）或自己训练的模型。通过更换不同的语言模型，软件可识别多国语言。

简单使用

准备

主程序exe与识别器模块文件夹PaddleOCR_Green解压到同一目录下。

快速开始

1. 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。
2. 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。
3. 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，可快速将全部文本 复制到剪贴板 。

基础设置

点击 设置 选项卡，配置参数。目前，所有设置项不会保存，下次打开软件将重置。

本地输出文件：

• 将 启用识别内容写入txt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。
• 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。

忽略图片中某些区域内的文字：

• 点击 添加忽略区域 展开配置忽略区的新窗口。具体配置方式见后。
• 点击 清空所有区域 清空已配置的所有忽略区域参数。
• 右方文字提示当前忽略区域的 适用分辨率 。

识别器设置：

• 识别器路径 配置当前使用的识别器exe程序。
• 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，区分大小写。正常情况下无需改动。
  • 图片要求同时满足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。目前支持的图片后缀为：.jpg .JPG .jpeg .JPEG .png .PNG .webp .WEBP

忽略区域功能

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。

“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。

• “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。
• 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，可开始预览，并绘制矩形区域。将新图片拖入窗口可预览该图片，但已绘制的忽略区域不会消失；您可切换不同图片来仔细调整忽略区域。
• 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比应用此分辨率。
• 绘制 忽略区域1 ：拖入图片后，点击左起第一按钮 +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。正常情况下，使用 忽略区域1 即可，无需配置下面两种区域。
  • 绘制 识别区域 ：点击 +识别区域 后左键拖拽。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。
  • 绘制 忽略区域2 ：点击 +忽略区域 2 后左键拖拽。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。
• 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。

排除视频截图中的水印：

1. 打开忽略区域设置窗口，拖入任一张截图。
2. 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。
3. 点击 完成 。返回主窗口， 开始任务 。

排除游戏截图中的UI：

• 假设一组游戏截图，主要分为两类图片：
  • A类为对话模式，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。

1. 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 。
2. 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 ，而且不能与A类图中存在的 任何 文本重合。
3. 选择 +忽略区域 2 ，绘制矩形包裹住B类图要排除的 两侧UI 。
4. 点击 完成 。返回主窗口， 开始任务 。

切换模型库和语言

切换日文模式

软件自带日文识别库，将 识别器路径 修改为 PaddleOCR_Green\PaddleOCR_json_jp.exe 即可。

载入新语言

以法文为例：

1. 前往 PP-OCR系列模型列表 下载对应的 推理模型french_mobile_v2.0_rec_infer.tar 和 字典文件french_dict.txt。
2. 在PaddleOCR_Green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。
3. 复制一份识别器PaddleOCR_json.exe，命名为PaddleOCR_json_fr.exe
4. 复制一份配置单PaddleOCR_json_config.txt，命名为PaddleOCR_json_fr_config.txt
5. 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

6. 保存文件，打开软件，将 识别器路径 改为 PaddleOCR_Green\PaddleOCR_json_fr.exe。

切换模型库

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。

1. 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。
• 注意只能使用v2.x版模型，不能使用github上PaddlePaddle/PaddleOCR的v1.1版。v1版模型每个压缩包内有model和params两个文件，v2版则是每组三个文件；不能混用。

2. 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。

3. 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、开启GPU等。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。

开发说明

本软件是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。因此可切换不同识别器和模型文件，实现切换多国语言的识别。

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_Green\README.md