20181130更新_自动画线+OCR+切图+校对 软件

chigre3

一、致谢：
　　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
2 q& k; E( n% l$ t6 q( I　　感谢 @孤影 的自动划线软件, 给了很多界面上的参考
------------------------------------------------------------------------
二、这个软件有什么用呢？？？
9 ]  K. W$ i3 |　　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：
　　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
　　2. 使用本软件进行：
　　　(1) 全部页面的 自动划线-->自动OCR
+ m: D+ P( H) y) V$ C　　　(2) 逐页校对划线和文本(可删可增)
　　　(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
　　　 　 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
  S3 N! M; ?' L1 I& T------------------------------------------------------------------------
1 G3 s; A* H% y  u三、实现的功能：
, T9 @, p) Y$ l) ?2 K　　1. 画线：
　　　(1) 自动分析页面 + 自动画线
# u. O, k8 N9 g* v& i. a　　　(2) 手动模式定义页面 + 自动划线
　　　(3) 鼠标右键单击修改单栏重新自动画线
" p% m8 H3 ~, T　　　以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线

　　2. OCR：
% a6 r9 T$ g5 u. P$ v. A: y- x　　　采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载：https://github.com/tesseract-ocr/tessdata
　　　(1) 导出文本：可外部编辑后导入, 避免OCR单个切图的不足
　　　(2) 导入文本
( n7 \3 s" p; Q4 m( Y+ _　　　(3) 1 + 2：直接将OCR结果导入当前页面的文本框 --> 校对
　　　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
6 y7 \& K+ Z1 x+ @) k( C7 u
　　3. 切图：
　　　(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
8 l3 `: ?/ }7 T* {/ T3 \2 T) }　　　(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）
1 N  D" u& H2 }3 [2 O  T: @6 s　　　　（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）
　　　　（实例２：新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481）
　　　　
4 q( z+ T6 D: t) r0 r　　　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
; K% Z# M! F1 u; z, q　　　　

% [0 }1 J7 Z4 x: V0 i9 R: g( m　　4. 校对：
　　　列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示

4 C* f$ F2 [$ O$ I6 q1 c2 G8 I# ?　　5. 其他：
　　　(1) 配置文件保存、导入
1 p) b5 W& N( }& m　　　(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
　　　(3) 最重要的还是要人工校对！！！！
: o) \; t& \& K: a0 I　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
' J2 C8 O" P& \  T9 ]% f9 P2 m如题，放个图：
5 \; p- {, M+ Y4 [

8 L' u) P+ D. N! h
2 t& \9 x3 x5 Q
截图内的词条文字为OCR结果
8 ?# ]! h+ H6 q- o! j( o" d


----------------------------20181130更新：
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！
: i7 O2 Q+ d, `/ ^( U% }3 B9 \5 L& m----------------------------
7 V8 E/ B- p4 i' ~20180809更新：
插图画区域由之前的矩形升级为任意多边形
# a6 Q. r  b! z) D6 I
" f7 ~) I' @+ B& |) c, \
----------------------------
20180614更新：
* g2 s% h9 R% q$ v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。
单击则替换当前校对文本框中的文本！
" w) A( T" f' P- v' D/ j+ K6 `不同颜色提示，方便定位！

/ i( f% n" C: W8 U* g* e4 q3 t

----------------------------
20170314更新2：
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：

% |$ e; n. M5 v) {6 B9 g
/ e# J% n+ U& e6 K20170314更新：
& q0 |) Q& P$ H- X* n起始页-->终止页
4 `- U; Z; w' L2 ?3 `# t7 Y+ E9 C[切图]-【词条整体切图】
---> 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）
如果起始页和终止页为空，则导出当前页的词条切图
# A) u) i& E# u  `0 N
) E$ Y' Q& ?0 l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）
9 @; u1 d  D5 X; u* k3 ?  k当前词条亮黄色，其他还是红色
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。

; I2 w/ B! w0 |# ?----------------------------
20170313更新：
1. 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）
( H8 `6 D: t: F2 L% `　　【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】
----------------------------
20170217更新：
1. 画线判断的方法改进（2种方法均改进）
----------------------------
20170115更新：
0 G  {. u9 N5 J# h( B( a1 S1. tessdata 的完整语言列表，具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
  o4 V9 L5 ~& `" P( H2. 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）
----------------------------
5 {. h# S1 T' S# S7 }$ h0 T8 c8 b20161119更新：
1.修复保存坐标数据时的bug
2.修复单词整体导出页面的一个bug
3.增加功能: 选定范围页面的批量导入词条
2 K1 y$ U; z7 T1 B  |% v. q4.增加功能: 快速查找定位索引
% [; U% ^* B2 U6 ]# k9 d, C; @9 f----------------------------
20161123更新：
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。

1. 问题：页面是否有词条？
     W  Z# X$ }. i  x8 k6 h
2. 1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)
   9 q6 V+ c1 H0 X3 n5 `
3. 2. YES -->
   
4. 　(1) 确定0号词条所在栏:
   
5. 　　--> 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)
   ' }" `( c# r9 o. l  z
6. 　　--> 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)
   
7. 　(2) 次数为所有词条数目的循环:
   
8. 　　A. 若: 当前为最后一个词条 --> 确定高度
   5 y4 u. m) B$ ]1 N, f3 q+ K$ Y
9. 　　B. 否则:
   6 i' r+ V# [/ _' A5 [4 h
10. 　　　a. 下一个词条在下一栏 --> 确定高度
    
11. 　　　　　--> 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)
    
12. 　　　b. 下一个词条在同一栏 --> 确定高度
    : x9 l3 N5 ]7 G; c) \8 D3 j
13. 
    
14. 　　--> 导出每个词条的切图
    
15. 
    2 E1 k( r- ?" T# y& h) Y, q9 y
16. 　(3) 确定最后一个词条所在栏:
    * ^7 i+ j8 A! V& I  Z
17. 　　--> 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

6 J5 _' J1 D: l8 M- F: `* E' W0 C重要更新：
1. 词条整体切图模块重写
& W& T8 m2 o) \- M2. 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】
! ~) o2 }9 ?6 L# A

; {6 U- j$ K  E0 Q7 w; h
2016.11.28
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）

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

2 j6 L3 w3 e! k# Q3 M5 M3 A0 u3 H
我在第一頁設置了參數和保存了, 第二頁的紅色豎線就移位了, 是不是參數有問題?

chigre3

teresaiao 发表于 2017-2-1 03:39
嗯，字典裏看得到了，真的快很多，基本上是要用photoshop和打詞條就好。 另外那個自動畫線，我在第一幅弄 ...

PS 模板 移动位置 让每一张图片位置都一样 这样在软件里你设置了的参数就会是全局通用的 之后便可以全自动全部页面划线 紧接着就可以OCR

teresaiao

可是我想問用你那個軟件, 如果轉頁, 或解釋在第二欄, 要怎麼合併?

tsiank

感谢chigre3，待我有空可以把汉语大字典图片版做一下了。

chigre3

group1234 发表于 2016-11-16 23:30
1 c4 J! L! a3 B" x, E( g製作圖片辭典的福音，可以節省非常多的時間，期待軟件分享~~~

是的，这个软件确实极大提高效率，
现在个人需要做的事情仅仅为：
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
% ?' f4 c- M2 c& J- M2. 使用本软件进行：
　(1) 全部页面的 自动划线-->自动OCR
; [" y0 t# T$ [0 n. `1 r　(2) 逐页校对划线和文本(可删可增)
8 D& A3 u) O0 Z; G3 B! m* r　(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
% N' C; t) o9 x　 　 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

孤影

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

9 r/ T' Z; `( c$ \  H4 z+ z
比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
& c6 `, P& P4 Q7 H  p1 b; N" \画线时：
[行间距离]: 17
8 T5 x/ w  f  L4 G[向右倍率]: 1/1.0

OCR时：
8 }' H1 x: S  Z# i! \[行间距离]: 10
; c3 Y! ?; v9 @* ^2 b[向右倍率]: 1/3.0
文本框匹配都是红色，因为没有加载中文的词条索引来进行匹配检查

# d* H8 r; l, d

5 Y% i% R) j$ }

迪克特

几乎只剩下人工校对工作了

lzr80

牛啊，牛!

644830104

chigre3 发表于 2016-11-16 02:11
1 m6 P+ f$ X3 H2 E9 x比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
! r& f+ _9 k1 e ...

歪图问题，上下页不对齐，某些不是矩形栏的排版，3栏以及3栏以上，不知道能不能处理？

chigre3

644830104 发表于 2016-11-16 08:09
歪图问题，上下页不对齐，某些不是矩形栏的排版，3栏以及3栏以上，不知道能不能处理？

所有图片统一修图 还有轻微歪斜能够画线
' x1 J1 L. Y6 O  v2 t. h图片不处理到一致规格 那最多用来划线切图OCR 每一页还要设置参数
0 y- ~0 ~) `/ K; R) m不规则形状不考虑
支持N栏

group1234

製作圖片辭典的福音，可以節省非常多的時間，期待軟件分享~~~
- Y1 t4 t& X: i/ n8 \2 k2 H5 V

ok927

能分享不？

865052004

这个绝对是神器

dennis_kindle

激动不已！跃跃欲试

houbible

哇，很牛的软件，期待chigre3的分享。

xinqing2016

这个软件太厉害了

chigre3

【20161125更新】《葡汉词典》切图版
2 e6 D' y7 K/ y0 i/ I( M, ]https://www.pdawiki.com/forum/fo ... &fromuid=174481
4 m2 \+ W. V5 L6 s7 ^7 x- l(出处: 掌上百科)

eeshu

C大神器，谁与争锋？创意无限，匠心十足。佩服佩服。

chigre3

切图版后续：
0 z, t5 H. H( j' N+ {  y& P% k$ H因为切出的图片数目极多，目前想法是：
" s0 H( G. a) O$ a1 O+ \! H(1) 制作成MDX/MDD格式, CSS不内嵌入MDD, 外置CSS, 方便个人设置
9 K: O# B9 V+ _) s, r0 [% T/ {4 I: q(2) 制作成DSL格式, 图片资源直接打包zip

chigre3

teresaiao 发表于 2017-2-1 01:58
終於都會做了, 可是我想問用你那個軟件, 如果轉頁, 或解釋在第二欄, 要怎麼合併?

7 O9 X: d: d0 G" q+ S5 m所有位置的切图都是分离的，后期导出时同时导出对应信息
也就是：词条+页码+切图图片名(1~多个)

chigre3

teresaiao 发表于 2017-2-1 01:58
終於都會做了, 可是我想問用你那個軟件, 如果轉頁, 或解釋在第二欄, 要怎麼合併?

你下载了那个红葡汉词典 查一些释义特别长的单词 就可以了解到啦 DSL.dz 可以使用解压缩软件还原为.dsl 文本的 你打开就可看到词条结构

teresaiao

2 z& x; T3 R" e1 m2 t8 g: S/ j( y3 i

chigre3 发表于 2017-2-1 02:04
* o# r2 T* D# L5 ^6 e$ F/ T你下载了那个红葡汉词典 查一些释义特别长的单词 就可以了解到啦 DSL.dz 可以使用解压缩软件还原为.dsl  ...

如何才能固定
3 ^' [# f/ n$ r4 C( }