Umi-OCR项目中的图片筛选与路径保留功能实现方案

在图像处理领域，OCR技术不仅能够识别文字内容，还能作为智能筛选工具帮助用户快速定位目标图像。本文将以Umi-OCR项目为例，探讨如何实现一个实用的功能：自动筛选包含文字的图片并保留原始路径结构。

功能需求分析

该功能的核心需求是：

1. 通过OCR识别批量图片中的文字内容
2. 筛选出包含文字的目标图片
3. 将这些图片复制到新位置时，完整保留原始路径结构

典型应用场景包括：

• 游戏资源处理：从数万张游戏截图中筛选出包含文字的200张界面图
• 文档管理：在大量扫描图片中快速定位包含特定文字的页面
• 本地化工作：为需要翻译的图片资源建立副本

技术实现方案

方案一：修改输出模块代码

对于熟悉Python开发的用户，可以直接修改Umi-OCR的源代码实现该功能：

1. 定位到UmiOCR-data\py_src\ocr\output\output_txt_individual.py文件
2. 在文件末尾添加以下核心代码：

# 路径转换与复制逻辑
path1 = res["path"]  # 原始路径
path2 = "E" + path1[1:]  # 目标路径(E盘)
os.makedirs(os.path.dirname(path2), exist_ok=True)
shutil.copyfile(path1, path2)

3. 使用时需勾选"txt单独文件"输出选项

这种方法直接高效，但需要用户具备基本的Python环境配置能力。

方案二：解析输出结果文件

更通用的解决方案是利用Umi-OCR的输出文件进行处理：

1. 将OCR结果保存为jsonl或csv格式
2. 编写处理脚本解析这些结构化数据
3. 根据需求实现自定义的文件操作

示例处理脚本框架：

import json
import os
import shutil

# 读取jsonl结果文件
with open("results.jsonl", "r") as f:
    for line in f:
        data = json.loads(line)
        if data["code"] == 101:  # 跳过无文字图片
            continue
        src_path = data["path"]
        dst_path = "E" + src_path[1:]  # 路径转换
        os.makedirs(os.path.dirname(dst_path), exist_ok=True)
        shutil.copyfile(src_path, dst_path)

这种方案的优点在于：

• 不依赖Umi-OCR源代码修改
• 可以灵活扩展更多处理逻辑
• 支持多种编程语言实现

进阶功能扩展

基于这个基础框架，可以进一步实现更复杂的功能：

1. 内容过滤：通过正则表达式匹配特定文字内容

import re
if re.search(r"重要提示", data["text"]):
    # 只处理包含"重要提示"的图片

2. 批量重命名：根据OCR结果自动重命名文件

new_name = f"{data['text'][:20]}.png"  # 取前20个字符作为文件名

3. 智能分类：根据识别内容将图片分类到不同目录

最佳实践建议

1. 路径处理：使用os.path模块确保跨平台兼容性
2. 异常处理：添加try-catch块处理文件操作异常
3. 性能优化：对于大量文件，可以考虑多线程处理
4. 日志记录：记录处理过程便于排查问题

总结

通过Umi-OCR的灵活输出接口，配合简单的脚本处理，用户可以轻松实现智能图片筛选和路径保留功能。这种方案既保持了OCR核心功能的稳定性，又通过外部脚本扩展满足了各种个性化需求，体现了良好的架构设计思想。对于非技术用户，借助现代AI编程助手也能快速实现这些定制功能，大大提升了工作效率。

未来，随着OCR技术的进一步发展，这类智能筛选功能可能会成为图像处理软件的标准配置，为数字内容管理带来更多便利。