20181130更新_自动画线+OCR+切图+校对 软件

chigre3

" X, i% V' o% A8 u" R+ L
5 C9 L! Q) N! x( M) N* ~1 S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
& u* r; T' c: w! \' M3 X( U7 [' h　　感谢 @孤影 的自动划线软件, 给了很多界面上的参考
------------------------------------------------------------------------
8 g0 ~- w4 L, j$ E二、这个软件有什么用呢？？？
4 ]" u0 Q# _8 s  O4 ~9 Y; `  w* `7 q　　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：
4 J# ^1 k, J" g. f" t7 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
1 D" |: F( [# T$ w1 C' E　　2. 使用本软件进行：
　　　(1) 全部页面的 自动划线-->自动OCR
　　　(2) 逐页校对划线和文本(可删可增)
9 i( y. o* w) g* O2 a0 h　　　(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
" g- g6 D- R: m; O4 B2 N- G. O+ @$ |6 u" }　　　 　 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
------------------------------------------------------------------------
三、实现的功能：
2 n9 n) ^& ~( G& j　　1. 画线：
　　　(1) 自动分析页面 + 自动画线
　　　(2) 手动模式定义页面 + 自动划线
( @) d( u5 ]. V　　　(3) 鼠标右键单击修改单栏重新自动画线
7 K) X! Z/ S3 B& R; {$ z8 r) h; ~　　　以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线

, _" A# u! H; W2 w6 c) A% Z　　2. OCR：
. d9 q; i' d7 g8 S7 M6 a! q4 N　　　采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载：https://github.com/tesseract-ocr/tessdata
3 n6 ]/ |8 f- g5 v: H- z　　　(1) 导出文本：可外部编辑后导入, 避免OCR单个切图的不足
/ O/ E/ `% s  l% g　　　(2) 导入文本
　　　(3) 1 + 2：直接将OCR结果导入当前页面的文本框 --> 校对
- Q& [, c# z) @* U# U4 }9 D　　　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

　　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
　　　(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）
- s% _( F3 U' a  F0 |, N1 c% `$ f2 H　　　　（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）
5 x5 n4 M3 a- h　　　　（实例２：新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481）
8 O: y- X8 m' f4 \6 }9 x/ o　　　　
1 G  p+ C4 V# s' Z0 j4 a　　　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
8 |6 L2 ]( T2 F- f* _. ?　　　　
0 B4 S% h- `( Y/ F# d
　　4. 校对：
5 J5 {0 A  w$ c( [' R　　　列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示

0 I$ g( W- U) A3 |　　5. 其他：
6 M) [" f- W. }3 u  s　　　(1) 配置文件保存、导入
% k7 R  F% a6 h# @& L  }9 b　　　(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
2 A! x# c& X6 ~　　　(3) 最重要的还是要人工校对！！！！
　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
. \  q' x# d; G) v$ Z如题，放个图：



7 l7 Y& Y7 n, L4 R% O/ y4 e
/ O% @' t2 V/ Y$ t; D/ c4 v截图内的词条文字为OCR结果
( ^9 ]4 Q5 B4 o  S# O) `$ f


" e$ O9 k! j) t; M# e----------------------------20181130更新：
; O8 A5 t0 R4 }6 `; n, C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！
! M9 ~! i( X2 b+ g$ D8 }5 }; x----------------------------
) E; v: W4 c* t; ^/ h$ i7 J20180809更新：
插图画区域由之前的矩形升级为任意多边形
; l: w6 f+ J" {

----------------------------
20180614更新：
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。
* d9 `! M/ S- [' C单击则替换当前校对文本框中的文本！
/ [/ F8 p% w+ f3 R5 `. [6 @不同颜色提示，方便定位！

: P- T# B' r, d# U
$ D% o) k3 ~, k) }
( r/ h3 H2 J  k- E" E- o----------------------------
* _* h  ?. _) [* D5 {/ X20170314更新2：
" {. B/ [- H( c5 B' C6 c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：

% a- |$ c1 J' u$ m
20170314更新：
( x& w, I1 m  b8 Y+ g6 x/ E. t起始页-->终止页
% I% C. Q+ k  f/ V& r# P9 o[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

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）
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。

  \* K( W  @2 X; s9 H----------------------------
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）
　　【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：
: b' F+ N! P! M! E; r1. 画线判断的方法改进（2种方法均改进）
----------------------------
- `/ ^4 }% o, T5 z2 j20170115更新：
" G5 A& W4 A8 Q- I5 ~. m1. tessdata 的完整语言列表，具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
2. 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）
; s2 J  K  a0 C( J: w' ?----------------------------
* y1 e5 Q5 U4 |& S$ h* H20161119更新：
* ]# H; m4 t& F' k3 N1.修复保存坐标数据时的bug
/ c" k5 x: o! L- D" h; M$ n$ z1 B2.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
" G' e, b- l3 R8 e5 I4.增加功能: 快速查找定位索引
----------------------------
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。
: M6 ~4 _1 M( D. a! I0 ~' a4 X: }

1. 问题：页面是否有词条？
   * A) Y9 w. O3 R, T# q4 |
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)
   
3. 2. YES -->
   ' s1 N( _9 q; B; Q
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)
   
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:
   1 Y1 D8 [. \8 D4 h
8. 　　A. 若: 当前为最后一个词条 --> 确定高度
   
9. 　　B. 否则:
   
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)
    8 s( A. B8 e. ]. J$ `; v
12. 　　　b. 下一个词条在同一栏 --> 确定高度
    
13. 
    8 B0 e1 X  e1 F4 }# ?
14. 　　--> 导出每个词条的切图
    
15. 
    
16. 　(3) 确定最后一个词条所在栏:
    
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

  c: D9 q4 r0 P. [4 J
重要更新：
) Y! R8 q+ O3 H4 I0 W1. 词条整体切图模块重写
  R, s3 D- q* H1 M' }* v+ A9 X9 |$ 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】



2016.11.28
; {- V6 U6 c) z! i. D+ M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）
. M1 \7 T3 b8 ~' q" q
# w4 ^8 q) m  @( l

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

% y/ o) h  C# i) f7 t) M% N# C
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

5 p) x& H* d9 a3 c/ @" E
+ u# o9 H+ y% N. C! s' ?! N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
! \/ {/ W: l' n+ t& {$ V# d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~~~

# q8 x: b& K& \1 U* `' B! A. S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：
- o5 w" z2 `3 K1. 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：
3 L6 U5 F. j9 W  e/ v( @　(1) 全部页面的 自动划线-->自动OCR
　(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
2 ~, Q" i" I/ `4 z1 A5 \6 f

孤影

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

比如《现代汉语词典》也可以画线和OCR、切图等：
+ b" d0 `8 f) ]7 `- W----------------------------------------------------
画线时：
+ v* S9 ?3 Z# k+ c[行间距离]: 17
) y+ O8 ?* P& ]& i[向右倍率]: 1/1.0

1 O5 l$ r1 w. `* s2 G! X; sOCR时：
[行间距离]: 10
[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

) [) ^( N# r0 J6 O3 P( X: Q& M$ K
% _* X$ G% \6 Y  N7 T' ]- h. Y2 ?
1 h6 e) t5 z! P8 ]# D. P4 S

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 g  N& I3 ~' n; c/ ]比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
...

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
( b8 n  m$ z4 P7 A# Z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？

* K& F' c# Y, U; L& d7 ^2 o所有图片统一修图 还有轻微歪斜能够画线
' D6 ^/ g; G# ~9 I+ R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
' a  M2 c  q) F7 C0 h4 h: Z! `不规则形状不考虑
1 e( y6 X& v3 t( Y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~~~
6 r% Z8 m6 y( Z( x7 i6 Q% U0 n

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
https://www.pdawiki.com/forum/fo ... &fromuid=174481
(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：
% H+ D& [- q. W0 M因为切出的图片数目极多，目前想法是：
(1) 制作成MDX/MDD格式, CSS不内嵌入MDD, 外置CSS, 方便个人设置
9 B7 H9 C) z$ T# s( _6 J! x1 p(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?

& T7 s& z  @6 V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
2 {/ i% B6 @) @6 A) V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?

: e( L/ i" c+ ]$ l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

7 P7 p% T/ A+ e. Z3 x' e

chigre3 发表于 2017-2-1 02:04
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  ...

; R$ x3 J9 ?9 D& D1 v
如何才能固定
6 s9 A! |8 Q7 `9 O0 p: ^
5 H' z8 W1 v) B/ l  j! K. W# }5 J