图片处理 Umi OCR
一款基于深度学习技术开发的开源、免费的离线 OCR 软件，适用于 Windows 和 Linux 系统，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。
Umi-OCR 是一款基于深度学习技术开发的开源、免费的离线 OCR 软件，适用于 Windows 和 Linux 系统4。以下是其相关介绍2：
- 功能特点
- 多种识别方式：支持截图识别，用户可通过快捷键快速截图并识别其中文字；也支持批量图片导入识别，能一次性处理多张图片，提高工作效率；还可对 PDF 扫描件进行识别，不仅能提取文本，还可将其转换为双层可搜索 PDF，便于后续编辑和检索。
- 多语言支持：内置多种语言识别库，支持中文、英文、日文、韩文等多国语言的文字识别，并且界面也支持多语言切换，满足不同用户的需求。
- 二维码处理：支持扫描二维码获取信息，同时也能够生成二维码图片，支持多种协议。
- 公式识别：具备数学公式识别功能，可帮助用户快速提取和编辑公式内容，对于处理学术文档、数学资料等非常有帮助。
- 文本后处理：预设了多种 OCR 文本后处理 - 排版解析方案，能整理 OCR 结果的排版和顺序，使文本更适合阅读和使用；还支持忽略特定区域的文字，如屏蔽图片中的水印、页眉页脚等干扰内容。
- 灵活调用：提供命令行、HTTP 接口等外部调用方式，方便与其他软件或工具集成，便于开发者进行二次开发。
- 技术原理
- 图像预处理：对输入图片进行灰度化、二值化、去噪等操作，提升文字清晰度，减少背景干扰，为后续文字检测和识别提供清晰图像。
- 文字检测：通过卷积神经网络（CNN）等算法检测图片中的文字区域，将其分割出来，可识别不同字体、大小和排列方式的文字区域。
- 文字识别：对检测到的文字区域进行特征提取，使用深度学习模型（如基于 PaddleOCR 的模型）进行分类识别，将文字图像转换为计算机可读的文本信息。
- 后处理：对识别结果进行校正、排版等操作，如合并同一自然段的文字、处理竖排文本等，优化最终输出格式。
- 应用场景
- 文档数字化：可将纸质文档、书籍、合同等转换为可编辑的电子文本，提高文档存储和检索效率。
- 自动化数据录入：在企业中，能用于自动提取发票、报表、证件等文档中的数据，减少人工输入错误，提升工作效率。
- 教育领域：教师可以用其将教材或试卷中的图片文字转换为文本格式，方便学生阅读和做题。
- 机器学习数据预处理：在自然语言处理（NLP）任务中，可将扫描文本转换为训练数据。
Photopea 是一款功能强大且易于使用的在线图像编辑工具，由捷克开发者 Ivan Kutskir 开发。