图片版词典，词头区域切片OCR，用FineReader识别

chigre3

0. 对所有的词典图片进行统一的精细处理
9 b8 d% R- b( N% K5 F, z1. 使用本论坛 @孤影 的工具软件，配合按键精灵脚本，对图片自动划线，获取所有词头的坐标
) [0 O7 y8 F- a! p$ B2. 使用OCR自动切片导出，得到所有图片的所有词头的切片
+ S8 e6 ]! B8 [4 @4 @, p! j! E3. 新建一个图片（大小同切片），添加文字内容为“aaaaaaaaaaa”（或者类似，用作标识）
4. CMD获取所有切片名称，Excel里添加列，标识每页的开始标识
& _: E# p7 H. {  L5. 使用ImageMagick，在CMD里使用命令 convert -append 0.png 0001.png000.png 0.png 0001.png001.png 0.png 0001.png002.png ... _0001.png 得到最终的合并切片的总体图片
6. 使用FineReader打开这些合并了的切片总体图片，进行文字区域设置，识别，保存为txt
/ j% f5 L$ I+ c) G5 r" C: ]7. 正则处理txt（标识为aaaaaaaaaaa）。。。
8. 导入回到步骤①的词头，在高亮匹配提示下，继续进行人工核对

+ d$ z7 s; Z' Y- p9 J% g7 d( U" v
& |' A. [8 ~; {  h4 w) Y% A) r

% m3 K- q6 X1 f# ]! Q# u
1 m' o3 d+ b/ g; w$ L+ X1 m! W

zhu1234

还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比校对一遍省时得多。

kyletruman

zhu1234 发表于 2016-8-27 21:46
还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

我记得欧路词典有一个欧路词典论坛，制作的词典格式为.eudic

chigre3

zhu1234 发表于 2016-8-27 21:46
, m1 a' M% }% |1 Z3 ~0 F: K2 f1 d# Y还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

这样效率很低，就等于对所有词头都点击一次

zhu1234

批量ocr出来，还得校对一遍，效率也不高呀。

aiyingluck

谢谢楼主分享，楼主辛苦了！

aiyingluck

谢谢楼主分享，楼主辛苦了！

starmars

zhu1234 发表于 2016-8-27 21:46
, p9 y5 W" z$ Q" D# V5 r还有一种手工方法：用欧路等能ocr取词的词典把词头过一遍。再把查询历史按时间一次性导出，貌似很慢，但比 ...

# z7 M/ r" H$ g& F! p' w我不相信这会比先OCR再校对会快。稍微高清一点的词典OCR词头可能连百分之一的错误率都不到。