|
本帖最后由 chigre3 于 2018-11-30 08:14 编辑
( ~7 ~* g: c) N: {. x
2 K, K' @2 ]% X一、致谢:
' L0 U" z& [$ A7 ]1 \. [+ t* h. ~ 感谢 @vbnet 的自动画线测试版, 现在经过个人修改, 几乎完全删除了原先的内容, 软件名称仍为 Picture Capture( b# b9 X% ?# b! |* |
感谢 @孤影 的自动划线软件, 给了很多界面上的参考
7 @, N4 {8 g: Q1 S n- G5 q0 W------------------------------------------------------------------------6 r. o# N) t+ L. i7 q5 \
二、这个软件有什么用呢???
3 r6 p) p$ D9 z 极大地提高制作图片版词典的效率,现在个人需要做的事情仅仅为:
" w! e! y, [% f# v% P9 A 1. 前期的图片处理:Abbyy Finereader(整体校直)、Photoshop(模板调位置, 统一)、ComicEnhancerPro(转换格式、大小) 等- \4 o9 [4 l3 M/ s
2. 使用本软件进行:6 w. |0 O A. l4 o
(1) 全部页面的 自动划线-->自动OCR0 B& ~6 X7 V4 L8 P! M5 q+ `! p
(2) 逐页校对划线和文本(可删可增)
% M& e5 e4 b$ S* A (3) A.合并 .pdic (词条 + 坐标信息) --> Excel 模板 --> 文本替换 --> 精确高亮定位 整页版 图片词典
' A7 p! Y! ], r2 w. v/ u' g+ M0 y B.导出单词整体切图 --> 合并 .PWWords (词条+图片名称) --> 文本替代 --> 切图版 图片词典
" y* o, O& n3 I0 H; a) W( w------------------------------------------------------------------------
) V9 X1 t0 \* h三、实现的功能:
5 W1 M& X5 v' ], x8 F 1. 画线:; l. v2 Z7 v% L& `! B. [9 F0 v, Y
(1) 自动分析页面 + 自动画线
- j% n( B F# S( Q (2) 手动模式定义页面 + 自动划线7 k, r& O5 A3 M% a# H. T+ J
(3) 鼠标右键单击修改单栏重新自动画线/ n+ l; W5 X* I, o1 Z' P% E- h% J
以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线
+ I+ ]% e/ h K& r
! r) H0 I: U j9 f3 Z; b! T 2. OCR:" |; T2 i( z/ t/ b( f
采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载:https://github.com/tesseract-ocr/tessdata
7 k& ?8 D/ R2 h (1) 导出文本:可外部编辑后导入, 避免OCR单个切图的不足
7 C% o. ~6 H$ w( I! M (2) 导入文本
) _9 P! W+ d O" B3 U (3) 1 + 2:直接将OCR结果导入当前页面的文本框 --> 校对
& Y3 E$ J$ q( k) w 外置批量替换表达式文本, 可自行创建和编辑, 适应各个词典不同OCR处理的场景
- e" s/ r7 U( K$ H r; W; P6 |3 s+ Y% X4 ^
3. 切图:- G/ C; R- k* Y( u1 H
(1) 词条单行切图:也可以使用外部其他OCR软件处理,或者其他用途. l3 @7 x" ?/ x6 c
(2) 词条整体切图:实现切图版图片词典的制作(背景透明,不过目前需要其他PNG优化软件缩减大小:https://www.pdawiki.com/forum/thread-19157-1-1.html)6 C3 v4 O+ s5 t. c
(实例1:[英-汉] 20161113《英汉大词典(第2版)》10页单词 切图版 https://www.pdawiki.com/forum/thread-19015-1-1.html)
n) |5 T8 o7 q# b) z (实例2:新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481)
9 e3 G0 e9 \) \. Z4 D + H" x6 }7 D, n
可实现仅导出切图坐标等信息,不导出切图,方便使用外部软件进行3 A# s O2 G: r- c4 O1 i+ x
: L/ \! |" a" Q' S: G/ @6 R
$ `7 K9 X# {4 d6 L% l1 c" n8 j3 n 4. 校对:+ q' |* a0 O, \+ s
列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示) L, i# e( @: H2 m3 C9 j1 d! K& D0 K5 I
' a, q$ G8 J k. o
5. 其他:
1 R+ U- V4 z \# K) k# @ (1) 配置文件保存、导入# S& H' e8 D) ^3 [+ c- S
(2) 自动下一页+操作(定时):自动保存、自动画线、自动OCR、自动切图。方便无人值守完成相应任务
9 @; c8 o8 T. d6 o ?* s9 M (3) 最重要的还是要人工校对!!!!* T2 u& t4 V' d( G+ e
(4) 高度自定义参数设置1 P H1 A+ A: d" \6 ^. r
------------------------------------------------------------------------
2 |7 J4 K- k" ^5 y& y如题,放个图:
2 ~3 ]6 q* X' \
3 K1 g2 E9 T$ z
2 d- G$ Q; Z" p2 r1 ^! { d1 |& }
, |5 b4 N. y" N& }8 R% t
截图内的词条文字为OCR结果$ {- a" j- I+ k5 J# ^9 l
( k: [ }) V0 o
j% n, I; I" y- ]4 `
& A" y% U$ c# e: i% p }6 y: @----------------------------20181130更新:# p, U+ b) v0 H2 \
校对窗口增加按当前提示索引(全部或部分)填充当前划线的文本框!7 h- H, C# x3 N( c4 d6 @6 _
----------------------------
0 N' F/ H. Y1 I# x7 q20180809更新:' l% y" p5 k1 v
插图画区域由之前的矩形升级为任意多边形
3 c2 V2 ^) |/ F& b% A; U" y! y0 w5 m* N
& g' ^3 s" K/ d* i2 m
----------------------------2 Y6 N1 D( V6 U# o
20180614更新:' j2 O+ v( ~7 Z& A# J& u
在校对界面中增加一列单词,即大词库表中 上页末单词和本页末单词 之间的所有单词。
/ S( g1 \4 c# p1 o5 V- R% j T单击则替换当前校对文本框中的文本! ?3 i4 i% c, Y- ~
不同颜色提示,方便定位!! I4 H6 f6 x; H
1 Z4 O2 h" y# T$ y j# a
) N4 c5 P! @8 ~$ A$ T" T
) E; B( y+ Q0 `----------------------------: \, S t9 r, H; F( P
20170314更新2:8 X9 M2 b$ @5 f
校对界面修改如下,增添更多特殊字符(aeiou等),方便校对的时候直接复制粘贴:" h7 A; ^* r; ?
$ x5 o, A5 f4 X6 w7 s& |5 g6 p# q/ g
5 a2 [( d9 B+ d$ S- |
20170314更新:% a( {* W" m1 r/ W7 N
起始页-->终止页
: ]1 C& R! W3 R: A) q# Z4 H* X[切图]-【词条整体切图】
4 t2 G/ s* H( v9 U# L L( J1 S H---> 会直接把范围内的页面的所有单词切图导出(软件界面会有假死的状态,不用理会,导出结束就OK了)
9 K$ X% z+ k% P如果起始页和终止页为空,则导出当前页的词条切图4 Y' s+ y' A1 b t. V
6 L0 Z5 i6 O0 ^5 R, h- {* N在校对界面时,主界面【√隐藏线框】,那么此时就只有颜色框(平行线宽)5 p/ j- S8 s# N- x
当前词条亮黄色,其他还是红色
; t, Y& a G9 g! o0 J这儿主要是考虑到有时候词条不只是单行,多行的时候可以方便查看。" `4 \3 o$ J& S, q- r" H
* k0 Y% {' }# s
----------------------------
( u9 B: M7 O& W20170313更新:
9 ~1 a& `, {( ?& A! d1. 词条整体导出切图的判断逻辑的补充(3栏以上时,位于不同列的上下单词中间隔了空列。之前这个情况未考虑到)
. h: k. a5 N: o5 Z1 A 【仅修改了:从PDIC整体导出切图的坐标数据的这部分补充内容】. l# Y5 _" { T) o$ I/ r% Z2 |
----------------------------; w4 r' ~9 x2 a# c8 e7 e
20170217更新:/ \1 Z9 J4 i4 \* d
1. 画线判断的方法改进(2种方法均改进)9 ]/ y% J" t# {) b# ^! E
----------------------------) j* M! |' t, {: _- ?& w. w
20170115更新:
+ W. Q& I4 r$ m9 m. }) y) S _( z1. tessdata 的完整语言列表,具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
( I3 r( G3 O3 W2. 在图片文件名列表上方的文本框里输入“SMALL”,点击【校对】,每个词条行的缩略图切图(非原始图片上裁剪)
7 F; R8 @ R4 C5 l6 U G& k----------------------------7 Y5 f' Y8 h( K8 L
20161119更新:/ L+ Q$ w# M- T
1.修复保存坐标数据时的bug: p* N1 K( o, o; r# ~, \3 M' x/ m
2.修复单词整体导出页面的一个bug
1 c6 F4 J s" j- |* c3.增加功能: 选定范围页面的批量导入词条0 [8 r; \/ ~4 r1 O
4.增加功能: 快速查找定位索引; v, z0 W% g4 f
----------------------------
6 X, b0 J) N5 K8 ^: H, H20161123更新:
4 ]3 b: a, H+ q& ?+ U! P重写词条整体导出切图的判断逻辑,现在应该不会有切图坐标不一致、切图数目不一致的情况了。
" `, c- e6 [& e7 f- I3 g+ V. [5 ]
- 问题:页面是否有词条?# Y: @7 y2 V$ o9 p
- 1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)7 n* o- ?3 P( H# L1 @9 y+ [
- 2. YES -->
_' \" g B$ j+ u" l - (1) 确定0号词条所在栏:3 {; b9 P& M* |% l! W. P
- --> 0号词条所在栏之前的栏, 直接导出大切图 (标记为上页末词条续)
( a' E; x! S4 D" Y - --> 0号词条所在栏上方若还有部分上页末词条接续, 则导出切图 (标记为上页末词条续)
! {6 l* u w) m - (2) 次数为所有词条数目的循环:( d3 K1 j$ g. x7 L% `
- A. 若: 当前为最后一个词条 --> 确定高度8 b+ @4 t$ ?8 L
- B. 否则:: R+ {0 e$ Z% ~, ~# f( L' U% D
- a. 下一个词条在下一栏 --> 确定高度1 B1 M; \0 u' I( O
- --> 如果当前词条在下一栏仍有接续 --> 导出切图 (标记为当前词条接续2)0 K0 x6 }; F$ q% U* C# H
- b. 下一个词条在同一栏 --> 确定高度# `% }5 j% w/ J$ \0 g" g
7 T1 O0 u& |# p; z- --> 导出每个词条的切图0 m7 A$ W& j- k9 l% x: C
- p- ^" o+ y, ]0 p# [/ n
- (3) 确定最后一个词条所在栏:
: Z( C$ s$ k/ ^9 i3 y - --> 最后词条所在栏之后的栏, 直接导出大切图 (标记为本页末词条续)
复制代码 / x; H# }% C3 O
" P% ~+ ]7 ?! y# ]! U3 x
重要更新: w0 j: Y8 ]6 D2 m( k
1. 词条整体切图模块重写: K! P, q; q3 b" m# K
2. 增加根据.pdic导出所有图片切图信息(+切图)--> 几十秒【如下面动图GIF】0 d- K" ~: C [/ a
# X( G' E2 ]4 r
3 Y, n; ^3 R. O" Z6 Q: v
! Y* i1 m+ W; D- C6 W8 ~
2016.11.28
4 o K. d+ W# _9 j0 M% Y/ h更新:一个小小的bug(跳过页首处下方如果单行接续,会因为判断的距离和行高过于接近造成缺漏 --> 修改了公式); F/ z& l0 M( }
0 H* c6 }, r, C2 O |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?免费注册
x
评分
-
1
查看全部评分
-
|