前言

在线OCR工具倒是不少，但要么收费、要么限次数，最关键的是得把图片传给别人服务器，总感觉不太踏实。

本文推荐一个基于WPF和Tesseract，完全离线跑，截图就能识别，用起来挺顺手。这篇文章就围绕这个工具，聊聊它怎么用、怎么实现的，以及中间碰到的一些值得注意的地方。

项目介绍

一款基于WPF + Tesseract的离线OCR文字识别桌面工具，目前由xusheng2024维护。它最大的特点就是不需要联网，所有识别过程都在本地完成，支持中文、英文、数字的识别。

操作方式比较灵活，可以选图片文件、截屏幕区域，也可以直接把图片拖进窗口，识别出来的文字一键复制到剪贴板，适合日常处理一些零散的图片文字提取需求。

项目功能

图片输入方式

• 手动选择图片文件，支持PNG、JPG、JPEG、BMP格式

• 屏幕截图，框选任意区域自动识别

• 拖拽图片到软件窗口，松手即识别

识别与输出

• 中英文及数字离线识别，无需网络

• 识别结果一键复制到剪贴板

• 清空当前图片和结果，快速切换处理下一张

界面交互

• 左侧显示图片，右侧展示识别文本

• 拖拽时窗口有视觉反馈（边框和背景色变化）

• 顶部工具栏集中放置所有操作按钮

项目特点

• 完全离线运行，不依赖任何网络服务，数据不上传

• 基于Tesseract 5.2引擎，识别速度和准确率在离线方案里表现不错

• MVVM架构设计，界面和业务逻辑分离，后期改动和扩展都比较方便

• 截图功能集成在应用内，不用切到其他截图工具再粘贴

• 一键复制结果，省掉手动选中文本再Ctrl+C的步骤

项目技术

语言训练数据方面，项目使用了Tesseract的tessdata包，中英文分别对应chi_sim.traineddata和eng.traineddata，放在Resources/tessdata目录下。如果只需要识别英文，只放eng那个文件也行，按需下载就好。

项目代码

整个项目的目录结构比较清晰，按功能模块分好了文件夹：

OcrTool/
├── App.xaml # 应用入口，全局样式放这里
├── MainWindow.xaml # 主窗口界面
├── MainWindow.xaml.cs # 拖拽事件的后台逻辑
├── OcrTool.csproj # 项目配置
├── ViewModels/
│ └── MainViewModel.cs # 核心业务逻辑
├── Services/
│ ├── OcrService.cs # Tesseract封装，真正的识别干活的地方
│ ├── ScreenCapture.cs # 屏幕截图服务
│ ├── CaptureForm.xaml # 截图选区窗口
│ └── CaptureForm.xaml.cs # 选区交互逻辑
├── Converters/
│ ├── NullToVisibilityConverter.cs
│ ├── DragOverBrushConverter.cs
│ └── DragOverBorderConverter.cs
└── Resources/
└── tessdata/
├── chi_sim.traineddata
└── eng.traineddata

代码里比较有意思的一个地方是截图功能的实现。点击截图按钮后，整个屏幕变暗，出现一个选区框，用户按住鼠标拖拽确定区域，松手就完成截图并触发识别。这个过程中，CaptureForm窗口是全屏且半透明的，中间的高亮选区通过计算鼠标起始点和终点动态绘制。

编译运行也很简单：

dotnet build
dotnet run

用Visual Studio的话，直接打开项目按F5就行。不过首次运行前，记得把语言训练数据包放到Resources/tessdata里，不然Tesseract没法工作。

项目效果

实际使用下来，中英文混合识别的准确率还不错，尤其是白底黑字的截图或者清晰印刷体，基本能全对。截图功能响应很快，从按下按钮到完成识别，整个过程挺流畅。

界面走的是简洁路线，没有花里胡哨的装饰，左侧放图右侧放结果，一目了然。拖拽图片时边框会变颜色，这个细节提示感不错，不会让用户疑惑"到底拖没拖进去"。

需要留意的是，如果图片分辨率太低或者文字太模糊，识别结果会有缺字漏字的情况，这是OCR的通病，不是工具本身的问题。另外第一次加载Tesseract引擎时会有一点延迟，后面就快了。

项目源码

Gitee：https://github.com/orangebook-liu/WPF-Tesseract-OCR

总结

感觉是个实用的小工具，没有堆砌花哨的功能，把图片文字识别这件事做得挺到位。离线、截图、拖拽、一键复制这几个核心操作覆盖了日常最常用的场景。如果你对数据隐私有要求，不想把图片传到云端识别，或者偶尔需要离线处理一些图片文字，这个工具值得试试。

当然它也有局限性，目前主要支持中英文和数字，对繁体中文、日文韩文等其他语言还没做适配。另外复杂排版或艺术字体的识别效果会打折扣。但对于大多数文档截图、表格拍照这种场景，它完全够用了。