Skip to content

hiroi-sora/Umi-OCR_runtime_linux

Repository files navigation

Umi-OCR

平台: Windows Linux

Umi-OCR Linux 运行环境

本仓库为 Umi-OCR 的代码 提供 Linux 运行环境及 Docker 部署方案

预览.png

已通过测试的系统

主机部署:

  • Ubuntu 22.04
  • Debian 12.5
  • Kali 2023.3

Docker 部署:

  • CentOS 7

Umi-OCR Linux 兼容情况

经验证,可正常使用的功能:

  • 批量OCR
  • 截图OCR(不支持Wayland,仅在x会话下可用)
  • 粘贴图片OCR
  • 批量文档OCR
  • 二维码生成/识别
  • HTTP 接口
  • 命令行调用
  • 一键添加到桌面、开始菜单快捷方式

受限的功能:

  • 不支持 一键添加开机自启。(必须手动设置)
  • 不支持 批量任务完成后自动关机/待机。
  • x会话下截图受限。

硬件要求

Note

当前 Umi-OCR-Linux 仅具有 PaddleOCR-json 这一种 OCR 引擎,它只支持具有 AVX指令集 的CPU。
未来,我们会添加更多的 OCR 引擎,支持更多硬件平台。

检查CPU兼容性:

lscpu | grep avx

如果CPU支持AVX指令集,则会输出一行很长的结果,其中可以找到 avx 的字样,类似如下(省略部分内容):

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

如果看不到任何输出,这表明当前CPU不支持AVX指令集,暂时无法使用 Umi-OCR-Linux 。

Docker 部署

👉 README-docker

主机部署

创建项目目录

mkdir Umi-OCR_Project
cd Umi-OCR_Project

拉取最新源码

git clone --single-branch --branch main https://github.com/hiroi-sora/Umi-OCR.git
git clone https://github.com/hiroi-sora/Umi-OCR_runtime_linux.git

拷贝Linux环境所需脚本

Umi-OCR_runtime_linux 仓库中的所有文件,拷贝到主仓库 Umi-OCR 中。(不覆盖)

cp -r -n Umi-OCR_runtime_linux/{.,}* Umi-OCR
chmod +x Umi-OCR/umi-ocr.sh

Python 运行环境

方式一:下载我们提供的嵌入式运行环境包 Release

  • 请在 Release 中查看最新的下载地址。

下载、解压、放置到 UmiOCR-data 目录。

wget https://github.com/hiroi-sora/Umi-OCR_runtime_linux/releases/download/2.1.3/Umi-OCR_v2.1.3_Linux_embeddable.tar.xz
tar -v -xf Umi-OCR_v2.1.3_Linux_embeddable.tar.xz
cp -r -n .embeddable Umi-OCR/UmiOCR-data/

方式二:使用系统已安装的 Python 解释器,创建虚拟环境。

展开

Umi-OCR 需要 3.8 ~ 3.10 的 Python 解释器。除此以外的版本,如 3.11 ,会因为无法安装 PySide2>=5.15 库而无法完成部署。

您可以使用以下的方式来准备 Python 解释器。

  1. 检查系统 Python 版本,如果 3.8 ~ 3.10 ,那么可以继续步骤:
python3 --version
  1. 安装工具:
sudo apt-get install python3-dev gcc libxcb-xinerama0
  1. Umi-OCR/UmiOCR-data 目录中,创建Python虚拟环境,安装依赖库:
cd Umi-OCR/UmiOCR-data
python3 -m venv .venv
source .venv/bin/activate
pip3 install -r ../requirements.txt

方式三:使用 pyenv 安装额外的 Python 解释器。

展开
  1. 安装 pyenv

  2. 安装构建工具

sudo apt install python3-dev gcc libxcb-xinerama0 \
        make wget llvm build-essential libbz2-dev \
        libncurses5-dev libgdbm-dev libnss3-dev \
        libssl-dev libffi-dev libreadline-dev libsqlite3-dev \
        zlib1g-dev liblzma-dev xz-utils tk-dev
  1. 在 pyenv 内,虚拟安装 Python 3.10
pyenv install 3.10
  1. 设置当前 Shell 的 Python 版本(不影响系统全局)
pyenv shell 3.10
  1. 回到方式二,创建虚拟环境

方式四:自己准备 Python 嵌入式运行环境包。

展开

Python 嵌入式包的好处是完全与系统隔离,便于将部署完毕的 Umi-OCR 打包和分发。

在 Linux 下,Python 官方并未提供嵌入包,需要手动编译,或者使用第三方编译的模块。这里我们使用 lmbelo/python3-embeddable 项目。

  1. 安装工具:
sudo apt-get install python3-dev gcc libxcb-xinerama0
  1. 确保当前在 Umi-OCR_Project 目录中。下载 python3-linux-3.10.4-x86_64 ,解压到 .embeddable 目录中。
wget https://github.com/lmbelo/python3-embeddable/releases/download/v1.0.0/python3-linux-3.10.4-x86_64.zip
unzip python3-linux-3.10.4-x86_64.zip -d .embeddable
  1. 将嵌入式包复制到 Umi-OCR/UmiOCR-data/
cp -r -n .embeddable Umi-OCR/UmiOCR-data/
  1. 激活该嵌入式环境。
cd Umi-OCR/UmiOCR-data/.embeddable  # 进入环境目录(必须!)
source activate.sh
python3 --version  # 应该打印 Python 3.10.4
  1. 记录下 python3pip3 指令的路径。
which python3
# /home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/python3
which pip3
# /home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/pip3
  1. 将 pip3 指向的 python 路径,改为上面查到的 python 路径。
nano "/home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/pip3"

开头有一行:

#!/usr/bin/python

改为:

#!/home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/python3

保存,退出文件。

Ctrl+S, Ctrl+X
  1. 下载项目依赖库。由于嵌入式python环境中 没有SSL模块 ,无法通过常见的pip源进行下载(目前几乎所有http源都会被重定向到https)。因此,我们需要移花接木,先借助系统自带的原始pip进行下载,再转移到嵌入式pip中安装。

另开一个控制台,在 Umi-OCR_Project 目录中,执行:

pip3 download -r ./Umi-OCR/requirements.txt -d ./pip-temp/ --only-binary=:all: --python-version 3.10.4

回到嵌入式环境的控制台,在当前目录(Umi-OCR/UmiOCR-data/.embeddable)中,执行:

pip3 install ../../../pip-temp/*.whl
  1. 完成。

部署 PaddleOCR-json 插件

方式一:简易部署

下载、解压、放置到 Umi-OCR/UmiOCR-data/plugins 目录。

# 去到插件目录(如果没有则创建)
# mkdir Umi-OCR/UmiOCR-data/plugins
# cd Umi-OCR/UmiOCR-data/plugins
# 下载打包好的插件
wget https://github.com/hiroi-sora/Umi-OCR_plugins/releases/download/2.0.0/linux_x64_PaddleOCR-json_v141.tar.xz
# 解压,放置在当前路径(plugins目录)
tar -v -xf linux_x64_PaddleOCR-json_v141.tar.xz

方式二:源码部署

参考: PaddleOCR-json 插件部署

启动!

通过命令行启动:

./umi-ocr.sh

成功启动并进行OCR,如下所示:

image

注: umi-ocr.sh 为程序启动脚本,需在控制台中运行。

创建快捷方式

如果希望像普通桌面软件一样,双击运行程序、且不显示控制台窗口,可以在软件的 全局设置 中勾选 桌面/开始菜单快捷方式 ,下次通过快捷方式图标启动软件。

在不同 Linux 发行版中,系统路径可能有区别,导致 Umi 无法自动创建桌面/开始菜单快捷方式,此时请手动创建 Umi-OCR.desktop 文件,写入以下内容:(将 path/to/Umi-OCR 换成实际绝对路径)

[Desktop Entry]
Version=v2
Type=Application
Name=Umi-OCR
Exec={path/to/Umi-OCR}/umi-ocr.sh
Path={path/to/Umi-OCR}
Icon={path/to/Umi-OCR}/UmiOCR-data/qt_res/images/icons/umiocr.ico
Terminal=false

如果屏幕截图功能不可用(比如截图界面是纯黑的),进行下述操作:

(可选)将显示服务器协议设置为 X 会话

在较新的 Linux 桌面发行版中,默认使用 Wayland 显示服务器协议。由于 Wayland 对权限管理较为严格,QT 框架无法抓取屏幕截图,或者只能获取到纯黑的图像。

如果您需要使用截图功能,请将显示服务器协议切换为 X 协议(如 Xorg)。以下是在 Ubuntu、Debian 等系统中进行切换的方法:

  1. 在登录界面,点击右下角的齿轮图标。
  2. 选择 Xorg 选项。
  3. 重新登录系统。

如果已经登录了系统,可以先注销,然后按照上述步骤切换到 Xorg

如果不需要使用截图功能,则无需进行此操作。

image

(可选)无头模式

在部分没有GUI桌面的环境中(如Docker或云服务器),可通过 xvfb 配置虚拟显示器,使 Umi 的QT框架正常运行。

  1. 安装 xvfb
apt-get install -y xvfb
  1. 启动 umi-ocr.sh 之前,设置环境变量 HEADLESS=true
export HEADLESS=true
./umi-ocr.sh

命令行指令

参考主仓库 命令行手册 ,将调用对象换成 umi-ocr.sh 。如:

./umi-ocr.sh  --screenshot

Note

注意,由于Linux平台的会话机制,冷启动时(即 Umi-OCR 未在运行),可能不会执行指令,或者输出多余的调试信息。
建议先启动 Umi-OCR (通过命令行或者快捷方式启动均可),确保主进程已经运行。再在新的会话中,使用命令行指令来控制。

(可选)编辑器

  • 如果需要对代码进行二次开发或调试,推荐使用 VS Code 编辑器。
  • 插件推荐:
  • 本仓库提供了 .vscode 项目配置文件。

关于项目结构

各仓库:

工程结构:

** 后缀表示本仓库(Linux 运行库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
├─ umi-ocr.sh **
├─ requirements.txt **
└─ UmiOCR-data
   ├─ main.py
   ├─ main_linux.py **
   ├─ version.py
   ├─ venv **
   │  └─ Python 虚拟环境
   ├─ qt_res
   │  └─ 项目qt资源,包括图标和qml源码
   ├─ py_src
   │  └─ 项目python源码
   ├─ plugins
   │  └─ 插件
   └─ i18n
      └─ 翻译文件