【免费下载链接】ndlocr-lite
NDLOCR-Liteアプリケーションのリポジトリ（ソースコードを含む）NDLOCR‑Lite application repository (including source code)
NDLOCR-Lite 是日本国立国会图书馆开源的轻量级 OCR（光学字符识别）工具，支持屏幕捕获 OCR：无需截图软件、无需保存图片文件，直接在屏幕上框选书籍页面即可瞬间识别出文字。它不依赖 GPU，在普通笔记本电脑上就能高速运行，支持 Windows、macOS 和 Linux 三大平台。本教程带你从零开始，10 分钟上手这套免费的屏幕截图文字识别功能。
一、什么是 NDLOCR-Lite 屏幕捕获 OCR？
传统 OCR 的流程是：先拍照或截图保存成图片文件，再喂给识别软件。而 NDLOCR-Lite 的**屏幕捕获模式（ScreenCapture Mode）**把这两步合一了——你在屏幕上框选哪个区域，它就识别哪个区域，背后通过ImageGrab直接抓取屏幕像素并送入识别模型，整个过程不落地任何图片文件。
它的核心技术由三大模块组成（详见 src/ocr.py）：
| 模块 | 作用 | 实现 |
|---|---|---|
| 布局识别 | 找出图中所有文字行的位置 | DEIMv2 检测模型（DINOv3 蒸馏的 ViT-Tiny 骨干） |
| 文字识别 | 把每条文字行读成文本 | PARSeq 序列识别模型（ONNX） |
| 阅读顺序整理 | 按正确顺序拼接全文 | src/reading_order/order/reorder.py |
得益于级联式多尺度识别策略（见 src/ocr.py 中的process_cascade函数），短行用轻量模型快速处理、长行才交给大模型，CPU 上也能保持流畅的速度。
二、安装准备：获取并启动 NDLOCR-Lite
📥获取方式（二选一）：
- 下载桌面应用（推荐新手）：从项目 releases 页面下载与你的系统匹配（Windows/Mac/Linux）的压缩包，解压后双击
ndlocr_lite即可运行，无需安装 Python； - 从源码克隆：
git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite cd ndlocr-lite pip install -r requirements.txt⚠️重要提示：请将应用放在不含日文全角字符的路径下，否则可能无法启动。首次启动约需 1 分钟加载模型，请耐心等待进度条走完，看到"OCRモデル準備完了"提示即准备就绪。
启动后你会看到 NDLOCR-Lite-GUI 主界面（源码位于 ndlocr-lite-gui/main.py）：
界面右上角的语言切换器支持日本語 / English双语，界面顶部有醒目的「キャプチャモード（ScreenCapture Mode）」按钮——它就是本文主角。
三、屏幕捕获 OCR 操作步骤（一键框选识别）
整个功能的核心实现是 ndlocr-lite-gui/main.py 中的CaptureTool类，它把"截图 + 识别 + 出文"封装成了四步操作：
第 1 步：先选定输出目录
点击「出力先を選択する（选择输出目录）」，选好识别文本要保存的文件夹。屏幕捕获的结果会直接写入该目录。
第 2 步：把书页放上屏幕
在浏览器或 PDF 阅读器中打开书籍页面（比如数字图书馆的扫描页），调整到合适的显示大小。字体越大，识别效果越好。
第 3 步：点击「キャプチャモード」按钮
界面会全屏变半透明（约 30% 不透明度）并置顶，同时隐藏标题栏——此时你看到的就是屏幕的"透明蒙版"。用鼠标按住拖动，框选书籍文字区域，松开鼠标即完成捕获。程序会自动把 NDLOCR-Lite 窗口恢复原状（详见start_capture与_capture_and_restore方法，ndlocr-lite-gui/main.py）。
第 4 步：预览并执行识别
弹出「キャプチャ結果（捕获结果）」对话框，显示刚截取的屏幕区域：
- 点「再キャプチャ（Retake）」：重新框选，方便修正选区；
- 勾选「範囲固定（Fix Region）」：固定当前选区，之后点重试会直接重截同一块区域（屏幕内容刷新时特别实用）；
- 点「OCR実行」：开始识别，界面会显示耗时（秒级完成）。
识别完成后弹出结果窗口，左侧是截取区域缩略图，右侧是可直接选中的识别文本，还可通过开关切换「整形表示（Markdown）」格式化视图。文本会同时保存为.txt文件到你的输出目录。
四、进阶技巧：让屏幕捕获更好用
🔍技巧 1：善用"范围固定"连续识别多页
对同一本书的连续页面，勾选「範囲固定」后反复点「再キャプチャ」+「OCR実行」，每次都会截取同一位置，非常适合逐页数字化。
📊技巧 2：开启表格结构识别
如果界面中出现了表格结构复选框（可选项，取决于安装的可选项模块），勾选后可对含表格的页面做表格结构推断，输出额外的_tables.html文件。
📁技巧 3：与批量模式配合
屏幕捕获是"应急通道"，如果你有完整扫描文件，用左侧的「画像ファイルを処理する」或「フォルダ内の画像を処理する」进行批量 OCR 效率更高，支持 jpg/png/tiff/jp2/bmp/webp 及 PDF 文件，并可输出 JSON、XML、TEI、带隐形文字层的 PDF 等多种格式（配置逻辑见 ndlocr-lite-gui/gui_config.py）。
🖊️技巧 4：手写文字也支持
从 v1.2 起，NDLOCR-Lite 强化了手写文字识别。对 JaWildText 基准 1065 张手写图片的评测中，整体平均 CER（字符错误率）仅为0.268，横排、竖排手写都能读。屏幕捕获模式同样适用——拍不好实物、但屏幕上有清晰图片时，直接框选屏幕即可。
五、常见问题 FAQ
| 问题 | 解答 |
|---|---|
| 屏幕捕获对屏幕截图质量有要求吗？ | 有。屏幕显示越清晰（分辨率高、字体大）识别率越高，建议 100% 以上缩放显示页面 |
| 识别结果保存到哪里？ | 你通过「出力先を選択する」选定的目录，文件名为captureimg.txt |
| 可以识别非日文文字吗？ | 主要面向日文（活字+手写），内置字符集见 src/config/NDLmoji.yaml |
| 需要 GPU 吗？ | 不需要。默认cpu运行，服务器环境可选--device cuda加速 |
| 首启动慢怎么办？ | 首次约 1 分钟属正常，模型（src/model/ 下的 ONNX 文件）正在加载 |
六、总结
NDLOCR-Lite 的屏幕捕获 OCR 把"看屏幕的文字 → 变成可编辑文本"压缩成了框选 + 一次点击：
- ✅ 免费开源（CC BY 4.0），无需 GPU，笔记本即可流畅运行
- ✅ 三步完成：选输出目录 → 点「キャプチャモード」→ 框选执行 OCR
- ✅ 支持重截、区域固定、Markdown 整形视图、表格结构识别
- ✅ 横排/竖排/手写/活字通吃，还兼容批量文件与 PDF 处理
对于需要快速数字化书籍资料、又不想折腾截图和文件转换的场景，这套完整的屏幕 OCR 流程值得立即收藏。
【免费下载链接】ndlocr-lite
NDLOCR-Liteアプリケーションのリポジトリ（ソースコードを含む）NDLOCR‑Lite application repository (including source code)
相关推荐
Electron屏幕捕获：实现屏幕截图与录屏功能
Electron屏幕捕获：实现屏幕截图与录屏功能 在桌面应用开发中，屏幕捕获是一个常见且重要的功能需求。无论是用于远程协助、教学演示、游戏录制还是应用监控，屏幕
桌面应用跨平台前端如何快速开发Electron-React-Boilerplate屏幕捕获功能：从截图到录屏的完整指南
如何快速开发Electron React Boilerplate屏幕捕获功能：从截图到录屏的完整指南 Electron React Boilerplate是一个
示例工程前端Captura屏幕录制工具：功能强大的开源屏幕捕获解决方案
Captura屏幕录制工具：功能强大的开源屏幕捕获解决方案 Captura是一款基于C 和.NET Framework开发的开源屏幕录制工具，采用模块化架构设计
桌面应用屏幕录制音视频
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
