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
1 e7 M* _+ C, X8 d- \6 S1. 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
8 N: P, e7 w9 y* i2. 使用OCR自动切片导出，得到所有图片的所有词头的切片
' N. E; C% ?2 p4 [: O$ {) }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）
3 w; u7 i+ C. }: N4 \: {1 u% I4. CMD获取所有切片名称，Excel里添加列，标识每页的开始标识
1 Q" I. {* @* v- H- K2 \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
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
7. 正则处理txt（标识为aaaaaaaaaaa）。。。
6 y( K- S6 [9 L" _7 O' |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

& K' ?* V( w) @1 f" f' w
- v# _, ^: `  G, s+ g+ O* I. j
7 r2 D# a& H' C! h

# E& }( L7 N: O" l+ ~2 X0 a/ O; F

zhu1234

/ \. n: P$ i( }" b$ F
9 Z, A# h& S# x+ T4 A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。
- q/ d6 {* O$ a2 f4 ]

kyletruman

zhu1234 发表于 2016-8-27 21:46
! O& u) k  _1 a" ^; x' E# a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 ...

' f. e3 z# r$ b* M* W1 h3 J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
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 ...

2 r, b; v* Z; L5 ^. X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
* K& g. P1 J9 w, k9 P+ S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 ...

2 r! N; E/ o0 U) [8 }" _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。