完全本地运行的数学公式 OCR Web 应用
前端使用 React + TypeScript + Vite，后端使用 FastAPI + Pix2Text，在本机 CPU / GPU 上完成公式图片到 LaTeX 的识别、编辑、预览与导出。
| 模型选择与状态同步 | 模型生命周期管理 |
|---|---|
 |
 |
- 全本地识别 — 不依赖外部付费 OCR API，公式识别在本机完成
- 多模型动态切换 — Pix2Text、LaTeX_OCR、Uni-Equation 三种引擎，支持下载、热切换与状态同步
- CPU / GPU 自动适配 — 自动检测 CUDA，也可手动切换运行模式
- 手动框选裁剪 — 上传后进入裁剪模式，移动端支持放大镜辅助框选
- 识别置信度提示 — OCR 返回置信度评分，低于阈值自动弹出警告
- 主题定制 — 8 种预设配色方案，卡片式 / 下拉菜单式两种模型选择器风格
- 设置面板 — 可视化配置默认模型、预处理、模型开关等参数，保存后即时生效无需重启
- 高级图片预处理 — 深色背景反转、自适应二值化、去噪、倾斜校正、自动裁剪，可通过设置面板开关
- 公式工作区 — MathLive 可视化编辑 + CodeMirror 源码编辑，公式模板快捷栏，13 种格式统一导出
- LaTeX 语法验证 — 源码模式错误位置红色波浪线高亮，显示行号列号和具体原因，一键修复常见错误
- 数学计算工作台 — SymPy 符号计算，支持展开、因式分解、化简、求解、求导、积分、极限、级数
- PDF 公式提取 — 上传 PDF，按页查看，在页面上框选公式区域识别，支持缩放和翻页
- 手写公式识别 — Canvas 画布手写数学公式，画笔/橡皮擦/撤销/清空，触摸支持，一键识别
- 多格式导出 — PNG/SVG/LaTeX/Markdown/MathML/HTML/Word/PDF 等 13 种格式，统一导出菜单
- 历史记录隔离 — 按浏览器 Session 隔离，不同标签页互不影响，可配置最大条数
- 移动端适配 — 响应式布局，手机端可正常使用全部核心功能
| 模块 | 说明 |
|---|---|
| 上传识别 | 拖拽、上传、粘贴图片，一键识别公式 |
| PDF 公式提取 | 上传 PDF，按页查看，框选公式区域识别，支持缩放翻页 |
| 手写输入 | Canvas 画布手写公式，画笔/橡皮擦/撤销/清空，触摸支持，一键识别 |
| 手动框选 | 上传后进入裁剪模式，可拖拽选区框选纯公式区域 |
| 置信度提示 | 识别置信度低于 80% 时显示警告条 |
| 公式工作区 | MathLive 可视化 + CodeMirror 源码编辑，公式模板快捷栏，统一导出菜单（13 种格式） |
| 语法验证 | 源码模式错误位置高亮，显示行号列号，一键修复常见错误 |
| 数学计算 | SymPy 符号计算：展开、因式分解、化简、求解、求导、积分、极限、级数 |
| 历史记录 | 按浏览器隔离，支持删除与清空，可配置最大条数 |
| 模型选择 | 卡片式或下拉菜单式，展示状态、显存需求与切换按钮 |
| 模型状态 | Header 实时显示当前模型名称、就绪状态和设备信息 |
| 设置面板 | 通用设置 + 管理员登录 + 管理员设置，保存到 .env 并即时生效 |
| 主题设置 | 8 种配色 + 两种选择器风格 |
| 技术 | 说明 |
|---|---|
| React 18 | UI 框架 |
| TypeScript | 类型安全 |
| Vite 6 | 构建工具 |
| Tailwind CSS | 原子化 CSS |
| Zustand | 轻量状态管理 |
| CodeMirror | 代码编辑器 |
| KaTeX | LaTeX 数学公式渲染 |
| react-image-crop | 图片裁剪 |
| MathLive | 可视化数学公式编辑 |
| react-dropzone | 文件拖拽上传 |
| Electron | 桌面应用打包 |
| 技术 | 说明 |
|---|---|
| FastAPI | Web 框架 |
| Pix2Text | 基础版公式识别（MFR 1.5 ONNX） |
| pix2tex (LaTeX-OCR) | 高精度版公式识别 |
| Uni-MER | 专业版公式识别（可选） |
| PyTorch | 深度学习框架 |
| Transformers | HuggingFace 模型加载 |
| OpenCV | 图像预处理 |
| Pillow | 图像读写 |
| SQLAlchemy | 数据库 ORM |
| SymPy | 符号计算引擎 |
| PyMuPDF | PDF 页面渲染 |
| 模式 | 要求 |
|---|---|
| CPU | Python 3.10+，4 核 CPU，8GB 内存 |
| GPU | NVIDIA GPU，6GB+ 显存，已安装 NVIDIA Driver |
双击 start.bat → 选择 [1] CPU 或 [2] GPU → 自动安装依赖并启动
首次运行 Pix2Text 时需要下载模型，请等待页面右上角状态变为 就绪。
双击 stop.bat
# CPU 模式
docker compose --profile cpu up --build
# GPU 模式
docker compose --profile gpu up --build访问：http://localhost:8080（前端）| http://localhost:8000/health（后端）
# 安装依赖
npm install
# 开发模式（前端 + 后端 + Electron 窗口）
npm run dev:electron
# 打包为 Windows 安装包
npm run build:electron打包前需安装 PyInstaller（
pip install pyinstaller）并将assets/icon.ico替换为 256×256 应用图标。
# 后端
cd backend && python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000
# 前端
cd frontend && npm install && npm run dev| 变量 | 默认值 | 说明 |
|---|---|---|
APP_DEVICE |
auto |
auto / cpu / cuda |
DEFAULT_MODEL_ID |
pix2text |
默认模型 ID |
ENABLE_PIX2TEXT |
true |
启用基础版 Pix2Text |
ENABLE_LATEX_OCR |
true |
启用高精度版 LaTeX_OCR |
ENABLE_UNI_EQUATION |
false |
启用专业版 Uni-Equation |
UNI_EQUATION_MODEL_NAME |
wanderkid/unimernet |
Uni-Equation 模型名 |
MAX_LOADED_MODELS |
1 |
显存中最大模型数 |
PRELOAD_MODELS |
pix2text |
启动时预加载模型 |
P2T_MFR_MODEL |
mfr-1.5 |
Pix2Text 模型版本 |
HF_ENDPOINT |
空 | HuggingFace 镜像地址 |
ADMIN_PASSWORD |
空 | 管理员密码（设置后需登录才能修改高级设置） |
ENABLE_FORMULA_PREPROCESSING |
false |
启用高级图片预处理（深色反转、二值化、去噪、倾斜校正） |
ENABLE_PANDOC |
false |
启用 Pandoc 导出（Word/PDF/HTML） |
PANDOC_PATH |
pandoc |
Pandoc 可执行文件路径 |
XELATEX_PATH |
xelatex |
XeLaTeX 可执行文件路径（PDF 导出需要） |
HISTORY_LIMIT |
50 |
历史记录最大保存条数 |
DATABASE_URL |
sqlite+aiosqlite:///./data/history.db |
数据库地址 |
MODEL_DIR |
./models |
模型缓存目录 |
CORS_ORIGINS |
localhost:5173,... |
允许跨域来源 |
| 变量 | 默认值 | 说明 |
|---|---|---|
VITE_API_BASE_URL |
/api |
后端 API 地址 |
统一响应格式：{ "code": 200, "message": "success", "data": {} }
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /api/models |
获取模型列表 |
| GET | /api/models/events |
SSE 模型状态流 |
| POST | /api/models/{id}/activate |
切换模型 |
| POST | /api/ocr |
识别公式（file, preprocess, model_id） |
| POST | /api/export/{format} |
导出公式（13 种格式） |
| POST | /api/compute/ |
数学计算（latex, operation） |
| POST | /api/pdf/info |
上传 PDF 获取页数 |
| POST | /api/pdf/render |
渲染 PDF 指定页面 |
| GET | /api/history |
获取历史记录 |
| DELETE | /api/history |
清空历史 |
| GET | /api/settings |
获取设置 |
| PUT | /api/settings |
保存设置 |
| POST | /api/auth/admin |
管理员登录 |
LocalMathOCR/
├─ backend/
│ ├─ app/
│ │ ├─ routers/ # API 路由
│ │ ├─ services/ # OCR 引擎、数据库、模型管理
│ │ └─ config.py # 环境变量配置
│ └─ requirements.txt
├─ frontend/
│ ├─ src/
│ │ ├─ components/ # UI 组件
│ │ ├─ stores/ # Zustand 状态管理
│ │ ├─ services/ # API 调用层
│ │ └─ hooks/ # 自定义 Hooks
│ └─ package.json
├─ docs/ # 预览截图
├─ start.bat # Windows 一键启动
├─ stop.bat # Windows 停止服务
└─ README.md
本项目采用 MIT License。
详见 CHANGELOG.md，记录每个版本的新增功能、修复和优化。