RapidOCR：本地离线图片文字识别库

自动化中经常会碰到“界面上明明看得到文字，但控件和 UIA 都取不到”的情况，例如远程桌面画面、游戏窗口、扫描件、图片报表和自绘界面。这时需要的不是继续发按键，而是先把图片里的文字识别出来。

这套 RapidOCR 封装面向 AutoHotkey v1，底层使用 RapidOcrOnnx、PaddleOCR 模型和 ONNX Runtime 完成本地识别。图片和模型都在本机处理，不依赖在线 OCR 接口，也不需要把截图上传到第三方服务。站内已有的 RapidOcr v2 小模型示例面向 v2，本篇整理的是 v1 调用封装和配套资源。

可以从哪些数据开始识别

• ocr_from_file：直接识别图片文件；
• ocr_from_binary：识别已经读入内存的图片二进制；
• ocr_from_bitmapdata：处理位图数据；
• ocr_from_mat：衔接已有的图像矩阵流程；
• 可只返回拼接后的文本，也可返回文本块、坐标、置信度和角度等完整结果。

识别参数怎么用

OcrParam 可以控制图片边距、最大边长、文本框阈值、展开比例和文字方向检测。新手先使用默认值即可，遇到小字、倾斜文字或背景复杂时，再逐项调整。阈值不是越低越好，过低会把纹理和图标也当成文字。

需要根据坐标点击文字时，应请求完整结果，而不是只取纯文本。识别框坐标可以继续用于画框、排序、筛选区域，或者和 WinCapture、GDI+ 截图流程组合。

运行前必须放齐的文件

目录中要有与 AHK 位数匹配的 RapidOcrOnnx.dll，还要保留检测模型、识别模型、方向分类模型和 ppocr_keys_v1.txt 字典。32 位 AHK 只能加载 32 位 DLL，64 位 AHK 只能加载 64 位 DLL。首次初始化模型会比普通字符串处理慢，建议在脚本启动阶段创建 OCR 对象并重复使用。

下载包里还整理了完整展示报告示例和 OCR Visualization Tool，可把识别文本块、坐标和置信度做成更直观的结果。文章里先放一个不含大型 HTML/JS 的基础 demo，方便新手确认环境是否正常。

本文移植自 thqby 的 ahk2_lib，由本站适配为 AutoHotkey v1 版本，原作者及项目版权归其所有。
源项目地址：https://github.com/thqby/ahk2_lib

打包库和示例的下载地址：

demo代码片段展示：

#Requires AutoHotkey v1.1
#NoEnv
#SingleInstance Force
SetBatchLines, -1
SetWorkingDir, %A_ScriptDir%
#Include <RapidOcr_v1>

try
{
    ocr := new RapidOcr({models: A_ScriptDir "\models", numThread: 2})
    param := new RapidOcr.OcrParam({doAngle: 1, mostAngle: 1})
    result := ocr.ocr_from_file(A_ScriptDir "\test.jpg", param, true)

    msg := "识别文本：`n" result.text
    msg .= "`n`n文本块数量：" result.Length()
    MsgBox, 64, RapidOcr v1, %msg%
}
catch e
{
    MsgBox, 16, RapidOcr v1, % "识别失败：`n" e.Message
}
ExitApp