uniOCR：跨平台开源的文字识别工具

综合介绍

uniOCR 是一个开源的文字识别工具，由 mediar-ai 团队开发。它基于 Rust 语言编写，支持 macOS、Windows 和 Linux 系统。用户可以通过它从图片中提取文字，操作简单且免费。uniOCR 的核心特点是跨平台支持和统一的接口设计。它集成了多种 OCR 引擎，包括 macOS 的 Vision Kit、Windows OCR 和 Tesseract，还支持云端 OCR。无论是个人用户还是开发者，都可以用它快速处理图片文字识别任务。项目代码开放，允许用户自由修改和扩展。

功能列表

• 支持 macOS、Windows 和 Linux 系统，跨平台运行。
• 提供多种 OCR 引擎选择：macOS Vision、Windows OCR、Tesseract 和云端 OCR。
• 支持从单张图片或多张图片中提取文字。
• 提供统一的 API 接口，方便切换不同 OCR 引擎。
• 支持异步操作和批量处理，提升识别效率。
• 允许自定义设置，比如语言、置信度阈值和超时时间。
• 开源项目，用户可以查看和修改代码。

使用帮助

安装流程

uniOCR 需要安装 Rust 环境和相关依赖才能运行。以下是详细步骤：

1. 安装 Rust
   • 打开终端，输入以下命令安装 Rust：

     curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
     

   • 安装完成后，运行 rustc --version 检查版本，确保安装成功。
2. 下载 uniOCR 源码
   • 使用 Git 克隆项目到本地：

     git clone https://github.com/mediar-ai/uniOCR.git
     

   • 进入项目目录：

     cd uniOCR
     

3. 安装 Tesseract（可选）
   • 如果想使用 Tesseract 引擎，需要额外安装：
     • macOS：运行 brew install tesseract
     • Ubuntu：运行 apt-get install tesseract-ocr
     • Windows：运行 winget install tesseract 或手动下载安装包。
   • macOS Vision 和 Windows OCR 无需额外安装。
4. 编译项目
   • 在项目目录运行：

     cargo build --release
     

   • 编译完成后，可执行文件位于 <项目目录>/target/release/。
5. 运行程序
   • 输入以下命令启动：

     cargo run --release
     

如何使用

uniOCR 通过代码调用实现文字识别。以下是基本操作：

1. 准备图片
   • 将需要识别的图片（比如 test.png）放入项目目录。
2. 运行基本示例
   • 编辑 <项目目录>/examples/basic.rs，代码如下：

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let text = engine.recognize_file("test.png").await?;
     println!("提取的文字: {}", text);
     Ok(())
     }
     

   • 运行示例：

     cargo run --example basic
     

   • 程序会输出图片中的文字。
3. 选择 OCR 引擎
   • 修改 OcrProvider 参数以切换引擎：
     • macOS Vision：OcrProvider::MacOS
     • Windows OCR：OcrProvider::Windows
     • Tesseract：OcrProvider::Tesseract
   • 示例代码：

     let engine = OcrEngine::new(OcrProvider::Tesseract)?;
     

4. 批量处理
   • 编辑 <项目目录>/examples/batch_processing.rs：

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let images = vec!["img1.png", "img2.png", "img3.png"];
     let results = engine.recognize_batch(images).await?;
     for (i, text) in results.iter().enumerate() {
     println!("图片 {} 提取的文字: {}", i + 1, text);
     }
     Ok(())
     }
     

   • 运行：

     cargo run --example batch_processing
     

特色功能操作

自定义设置

• uniOCR 支持调整识别参数。示例代码：

use uniocr::{OcrEngine, OcrProvider, OcrOptions};
let options = OcrOptions::default()
.languages(vec!["eng", "chi_sim"])  // 设置英文和简体中文
.confidence_threshold(0.8)         // 置信度阈值
.timeout(std::time::Duration::from_secs(30));  // 超时 30 秒
let engine = OcrEngine::new(OcrProvider::Auto)?.with_options(options);

• 运行后，识别会按设置执行。

多语言支持

• 如果识别中文，需安装 Tesseract 的中文语言包：
• macOS/Ubuntu：运行 brew install tesseract-lang 或 apt-get install tesseract-ocr-chi-sim
• Windows：下载 chi_sim.traineddata 并放入 Tesseract 安装目录的 tessdata 文件夹。
• 设置语言参数为 vec!["chi_sim"]。

性能优化

• uniOCR 使用异步操作和并行处理。批量识别时，程序会同时处理多张图片，节省时间。
• 在高性能设备上（如 M4 MacBook Pro），macOS Vision 每秒可处理 3.2 张图片，准确率达 90%。

注意事项

• 图片需清晰，模糊或光线不足可能影响识别效果。
• Windows 系统需为 Windows 10 或以上版本。
• 云端 OCR（如 Google Cloud Vision）需额外配置凭证，目前官方未提供完整示例。

应用场景

1. 文档扫描
   用户可以将纸质文件拍照，用 uniOCR 提取文字，保存为电子版。
2. 多语言翻译
   识别图片中的外文后，配合翻译工具生成多语言文本。
3. 自动化工作流
   开发者可以将 uniOCR 集成到脚本中，批量处理图片并提取文字。

QA

1. 哪些系统支持 uniOCR？
   支持 macOS、Windows 10+ 和 Linux，无需额外硬件。
2. 如何提高识别准确率？
   使用高质量图片，调整置信度阈值，或选择适合的 OCR 引擎。
3. Tesseract 无法识别中文怎么办？
   需安装中文语言包，并设置 languages(vec!["chi_sim"])。