掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 3885|回复: 7

[教程] 图片版词典,词头区域切片OCR,用FineReader识别

[复制链接]

该用户从未签到

发表于 2016-8-26 22:24:08 | 显示全部楼层 |阅读模式
0. 对所有的词典图片进行统一的精细处理
8 p9 p% j; A, c+ y; b1. 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
  Q7 e- A/ Q1 \9 }- T. D1 }! {2. 使用OCR自动切片导出,得到所有图片的所有词头的切片* ]- D' X$ c. k" q' i
3. 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)
  Y: K' N" v. C7 m9 L4. CMD获取所有切片名称,Excel里添加列,标识每页的开始标识& f& S4 D+ [" W* e5 s6 F2 }7 K) ]
5. 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/ J4 T5 H4 z  B  C
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$ p6 A5 H, l1 H9 L' x  N
7. 正则处理txt(标识为aaaaaaaaaaa)。。。
) D& c( [2 ^/ Z' t7 H4 X" z& \" W8. 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
$ y2 S  s% W, d: E- H* S% o+ X3 h6 f( j7 {- _

" t' t, s% f7 o8 L" t
( n/ E- U: S* b0 p5 J. K7 ^* k+ ^  x+ v+ {

( k; M0 x5 G: ~, w; ]" w8 L

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

本帖被以下淘专辑推荐:

该用户从未签到

发表于 2016-8-27 21:46:22 | 显示全部楼层
本帖最后由 zhu1234 于 2016-8-27 21:48 编辑 5 y. ?# Y2 S) g& t! u
9 z6 r' Y; F* q& @$ S% r% ~7 ]: {
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。
3 Z/ ]1 u2 N5 I3 ]
  • TA的每日心情
    开心
    2023-1-18 23:24
  • 签到天数: 211 天

    [LV.7]常住居民III

    发表于 2016-8-27 22:11:51 | 显示全部楼层
    zhu1234 发表于 2016-8-27 21:46
      Y# u5 p7 o/ R7 Z! |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 ...

    4 d& b3 I- |- Y: M/ Y8 v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

    该用户从未签到

     楼主| 发表于 2016-8-27 22:56:08 | 显示全部楼层
    zhu1234 发表于 2016-8-27 21:46; d' A' [2 D( J6 R/ t( @; w0 e
    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 ...

    , O8 f8 z* ?- w! O( F这样效率很低,就等于对所有词头都点击一次

    该用户从未签到

    发表于 2016-8-27 23:37:43 | 显示全部楼层
    批量ocr出来,还得校对一遍,效率也不高呀。

    该用户从未签到

    发表于 2016-10-31 01:04:09 | 显示全部楼层
    谢谢楼主分享,楼主辛苦了!

    该用户从未签到

    发表于 2016-10-31 01:04:22 | 显示全部楼层
    谢谢楼主分享,楼主辛苦了!
  • TA的每日心情
    擦汗
    2020-7-3 13:51
  • 签到天数: 19 天

    [LV.4]偶尔看看III

    发表于 2021-2-4 21:48:28 | 显示全部楼层
    zhu1234 发表于 2016-8-27 21:46
    ; m1 d& w. @- W  t* ^9 T1 W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 ...
    $ [+ a) F  y0 f1 O4 Q
    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。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2026-9-18 20:08 , Processed in 0.027062 second(s), 24 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表