OCR告别付费！分享两款可部署的开源项目

原创于 2025-11-21 09:42:13 发布 · 270 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#ocr #开源

朝花夕拾篇专栏收录该内容

109 篇文章

订阅专栏

新星杯·14天创作挑战营·第17期 10w+人浏览 492人参与

01 引言

OCR文字识别已经基本覆盖我们的日常的聊天工具，如微信、QQ等都有截图识别文字甚至直接从图片可以复制文字。开发项目中使用OCR图片识别、文案提取等经常用到。大多数小型企业都会选择云厂商的文字识别，如阿里云、百度云、腾讯云等的识别功能。

那有没有白嫖的OCR呢？当然有，但是很多的识别率并不高。今天介绍两款识别率较高的OCR项目，关键是可以部署，应用到业务项目中。

02 Umi-OCR

2.1 简介

Umi-OCR 是一个免费、开源、可离线的 OCR 文字识别工具，由开发者 hiroi-sora 使用 Python 编写。它的名字中 “Umi” 在日语里是“海”的意思，寓意着其“海纳百川”的特性。

该项目是基于百度开源的PaddleOCR开发，对中文和英文的识别准确率非常高，同时支持多国语言。它的主要目标是提供一个简单易用、功能强大且完全离线的图片文字识别解决方案，完美保护用户隐私，因为所有识别过程都在本地计算机上完成，无需连接任何外部服务器。

不仅支持本地部署，还支持windows系统：

windows版本作为日常使用的工具大家可以自行探索。为了接入项目开发，我们主要了解一下本地部署的方式。

GitHub地址：https://github.com/hiroi-sora/Umi-OCR

2.2 部署

linux部署是新的项目：https://github.com/hiroi-sora/Umi-OCR_runtime_linux

由于官方给出的测试的系统类型并没有Centos。尝试通过Centos8部署，结果失败：缺少一些基本组件，升级不成功。

所以这里我们使用Docker部署。

Docker部署的地址：https://github.com/hiroi-sora/Umi-OCR_runtime_linux/blob/main/README-docker.md

官方文档介绍的很明白了。

检查主机CUP

因为目前主机的CPU只支持AVX指令集。

lscpu | grep avx

如果输出了类似如下的结果，那么可以继续部署。如果没有则无法部署

Flags:          ... avx ... avx2 ...

所以小编的机器是可以部署的。

构建镜像

由于远程镜像仓库里面没有上传，需要使用Dockerfile自行构建。

# 拉取Dockerfile文件
wget https://raw.githubusercontent.com/hiroi-sora/Umi-OCR_runtime_linux/main/Dockerfile

# 构建镜像
docker build -t umi-ocr-paddle .

umi-ocr-paddle表示构建的镜像名称。

启动容器

容器的运行支持无头模式和GUI模式。因为我们是为了项目的调用，所以这里我们使用悟透模式。

docker run -d --name umi-ocr \
    -e HEADLESS=true \
    -p 1224:1224 \
    umi-ocr-paddle

说明：

设置容器名称为 umi-ocr 。你也可以设置为任意名称。
设置环境变量 -e HEADLESS=true 启用无头模式。
设置端口转发 -p xxxx:1224 ，将容器内的1224端口转发给主机xxxx端口。
使用的镜像为 umi-ocr-paddle 。

2.3 接口调用

官方提供了HTTP接口手册：

https://github.com/hiroi-sora/Umi-OCR/blob/main/docs/http/README.md

我们这里以图片OCR：Base64识别为例：

Java案例

 @Test
void test04() throws Exception {
    File file = new File("C:\\Users\\ws\\Desktop\\00.jpg");
    String encode = Base64.encode(Files.toByteArray(file));

    JSONObject jsonObject = new JSONObject();
    jsonObject.put("base64", encode);

    JSONObject item = new JSONObject();
//        item.put("ocr.language", "models/config_chinese.txt");
//        item.put("ocr.cls", true);
//        item.put("ocr.limit_side_len", 4320);
//        item.put("tbpu.parser", "multi_none");
    item.put("data.format", "text");
//        item.put("data.format", "dict");
    jsonObject.put("options", item);

    String post = HttpUtil.post("http://127.0.0.1:1224/api/ocr", JSON.toJSONString(jsonObject));
    System.out.println(post);
    System.out.println("----------------------------------------------");
    System.out.println(UnicodeUtil.toString(post));
}

结果

结果是识别出来了，但是有个小问题。第一行输出是unicode，需要我们将unicode转成中文。

03 TrWebOCR

3.1 简介

TrWebOCR基于开源项目 Tr 构建，目前已经停更了，tr官方说了项目转为研究性项目：

但是它仍然是一款好用的OCR工具。支持的平台比较多：

GitHub地址：https://github.com/alisen39/TrWebOCR

3.2 部署

我们同样以Docker的形式部署。这个就比较简单了，可以自行构建镜像，也可以拉取镜像。

构建镜像

# dockerfile 构建
docker build -t trwebocr:latest .

# 运行镜像
docker run -itd --rm -p 8089:8089 --name trwebocr trwebocr:latest

远程镜像

# 从 dockerhub pull
docker pull mmmz/trwebocr:latest

# 运行镜像
docker run -itd --rm -p 8089:8089 --name trwebocr mmmz/trwebocr:latest

访问IP+端口，提供了网页端：

3.3 接口调用

我们先试试网页端：

接口文档地址：

https://github.com/alisen39/TrWebOCR/wiki/%E6%8E%A5%E5%8F%A3%E6%96%87%E6%A1%A3

Java案例

@Test
void test07()  {
    File file = new File("C:\\Users\\ws\\Desktop\\34.png");

    JSONObject item = new JSONObject();
    item.put("file", file);
    item.put("is_draw", 0);

    String post = HttpUtil.post("http://127.0.0.1:8089/api/tr-run/", item);
    System.out.println(post);
    System.out.println("----------------------------------------------");
    System.out.println(UnicodeUtil.toString(post));
}