20181130更新_自动画线+OCR+切图+校对 软件

chigre3

9 A: o$ ~- q. l5 ^! I5 _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
　　感谢 @孤影 的自动划线软件, 给了很多界面上的参考
------------------------------------------------------------------------
& @! G8 Y" l& `& ^8 r1 @% V二、这个软件有什么用呢？？？
　　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：
$ D) v7 S5 R/ ~# F　　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：
6 `- |  T5 e) N/ ]5 V  L( b4 J　　　(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
------------------------------------------------------------------------
三、实现的功能：
　　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
8 ]0 X+ y/ {8 I　　　(3) 鼠标右键单击修改单栏重新自动画线
, c; I) u+ k. v! 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

　　2. OCR：
　　　采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载：https://github.com/tesseract-ocr/tessdata
' K" b! O9 A, b, i. R+ J: k　　　(1) 导出文本：可外部编辑后导入, 避免OCR单个切图的不足
* E1 R$ f) J% d. Y& X8 u* c　　　(2) 导入文本
7 d9 ^: N) j7 }! W　　　(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
$ w: ]5 o- E% V9 L( `- \
9 F8 }8 _7 u0 k2 t) q5 R5 |5 A2 Q　　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
# _) i, H$ ]4 m% [- E　　　(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）
# N& }% t! p$ g0 R: L) A* m　　　　（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）
6 K* ^9 I$ n6 j3 k% {: {9 \  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
2 O! a" Z. c% v　　　　
5 _, S1 `( I. Y1 Y/ G( \
　　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
# M; f% K6 c+ h) `9 I& R
　　5. 其他：
8 C- [0 E# q5 R( d# `　　　(1) 配置文件保存、导入
　　　(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
1 ~" `; \+ X( L　　　(3) 最重要的还是要人工校对！！！！
　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
8 x: p, D% x! c6 |, K; q2 F. b0 Z: }如题，放个图：
) }# D! d% |9 a1 u* H, z; w5 h
& _$ `4 Z3 e6 L$ P
7 F6 }" ]* z  q! K# ^2 x* E

截图内的词条文字为OCR结果
; I3 r4 j. S' R7 [
+ n8 r, P, }, u2 y

----------------------------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！
----------------------------
& G+ C1 b8 O1 e2 q6 U20180809更新：
插图画区域由之前的矩形升级为任意多边形

# \3 W1 j5 c+ h! u5 e) n' r
----------------------------
" m- o" j0 b9 K20180614更新：
; B- S5 k! U8 A# m( n" V4 B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！
! @8 a/ }, ]# K5 i不同颜色提示，方便定位！
; n+ X4 p0 d1 u0 n

; F2 j1 K, \6 C' q' I$ C
" y9 Z# e. R) ]) G. ]----------------------------
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：


& x- r0 ^: @0 p; V2 r/ n20170314更新：
2 l* \0 q" t( ^" R7 |起始页-->终止页
[切图]-【词条整体切图】
( S6 T  `( s7 E& V) Z* j5 S---> 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）
# x' r9 b! {$ g2 k  Z* p如果起始页和终止页为空，则导出当前页的词条切图
: d' P3 L6 z+ f; j0 G$ L
( ]" ^6 X+ w. i$ L2 ~9 s) _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）
  F: O" u; ]4 l$ }7 x; p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。
! H) p& |9 e6 X/ b) ]) q" k7 s
----------------------------
4 a4 Z2 X0 I- }/ }; `" Q20170313更新：
$ F  x- x9 }& \. \5 t0 T1. 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】
; }3 u9 G) g3 L3 M, c# }" e% t----------------------------
20170217更新：
0 F$ n- B7 m- O1 f7 a8 t( A! a6 O1. 画线判断的方法改进（2种方法均改进）
----------------------------
1 u3 z+ o. C( R3 u* U8 ?20170115更新：
0 t* \$ d! a0 u5 j5 ]: z1. tessdata 的完整语言列表，具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
* ?' m  g! o7 `9 C; X1 N, p2. 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）
  D2 J3 P7 Z% N9 M$ S----------------------------
20161119更新：
" s5 o% R- W+ a( I+ {# L1.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
' p& L* }0 @1 V2 d* j% x4 Y3.增加功能: 选定范围页面的批量导入词条
$ O# u8 n1 {" F5 [5 t* L4.增加功能: 快速查找定位索引
----------------------------
8 r  C+ j6 M( L) B2 P7 \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。
) Q# Q! M$ r4 K
5 }- f' ]. y: O. e8 I

1. 问题：页面是否有词条？
   
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 -->
   
4. 　(1) 确定0号词条所在栏:
   8 |. I- B: H2 k  [- u- c; F
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:
   
8. 　　A. 若: 当前为最后一个词条 --> 确定高度
   , @4 P% a$ t, S  ~: K
9. 　　B. 否则:
   1 X8 i' o7 @+ D+ g4 ?* p  _
10. 　　　a. 下一个词条在下一栏 --> 确定高度
    8 @! w3 T. A7 R4 a$ ~  R3 X
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
    6 K( g* e* s6 n* p
13. 
    
14. 　　--> 导出每个词条的切图
    ! w2 S8 G- Q! k; S3 r0 U5 T
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

: X8 g" Z8 h$ h7 h6 ]1 E, E" |
% n  M* D% w; n1 w. ]重要更新：
: G4 e' Q0 {# ^  c1. 词条整体切图模块重写
! w# M6 c# _; W' O# x" L2. 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】


" p  O. O3 [3 d: M
$ O0 H/ U! S- e& n! O2016.11.28
8 y; _) ^- H) e8 R6 {. p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）

) r% B0 B; {( ~6 @5 T" W2 ?7 Z$ z

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

" n( ?! u9 L$ _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 ...

$ G3 e' g# @" {4 J1 a3 h6 vPS 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

! ?1 C) ~1 ^" D; F5 a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
5 b% A2 d# ?5 D/ T+ ]' [  K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，
) \$ [  B9 I- z' F- E9 N9 M现在个人需要做的事情仅仅为：
# J# V9 }8 g, V- d( o1 q1. 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
) R. x7 N+ _: K: u2. 使用本软件进行：
　(1) 全部页面的 自动划线-->自动OCR
' ~' e2 e0 y8 T* r9 O$ {　(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
) `+ T: \2 f/ z$ U

孤影

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

% l2 c( F! m$ A7 W- S比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
- o3 r  _% X$ V0 @4 z+ C( {画线时：
[行间距离]: 17
9 Z) B; f; q$ n[向右倍率]: 1/1.0

, B2 U0 ~: n( Q7 FOCR时：
6 t; ^; i9 m' r3 ]' u9 m: Q[行间距离]: 10
* g, M; P1 ]# g' X[向右倍率]: 1/3.0
  r- v7 {3 f" b; p8 _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
' m* W8 ], W% B8 d8 i& a1 A' E


% ^( k, x$ j9 p; S/ x

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
4 E% c0 K- G% N比如《现代汉语词典》也可以画线和OCR、切图等：
3 F& e: z& [" z& U% A2 W  s----------------------------------------------------
7 \# s) o/ G/ { ...

# @* e5 f' F/ Q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
) u) a5 ?, K& G/ L  m% Y7 o6 l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？

% ~/ g, d) g6 n0 f) X$ J5 S5 F所有图片统一修图 还有轻微歪斜能够画线
2 r3 t# u3 \% s$ D3 ~" f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
7 r; T9 @. R$ H0 n+ x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~~~
9 r  c/ A7 q& C" x" A# w

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
+ y* x1 {" G6 p0 Y( C0 E(出处: 掌上百科)
# ]) B# E" D) V, F7 W) s& B1 G: e

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：
因为切出的图片数目极多，目前想法是：
3 h6 N, u# e% R& b# X(1) 制作成MDX/MDD格式, CSS不内嵌入MDD, 外置CSS, 方便个人设置
; o8 p9 r+ g$ ?3 z6 `(2) 制作成DSL格式, 图片资源直接打包zip
4 p+ }1 Y( ^. E2 F

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?

" ~3 t0 q6 j9 y! b5 x1 w: H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
# P4 g: l4 w: Q0 w; h7 f, G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?

, w! l' i5 Y3 x% f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

! m; s7 y% f, l! ^, a+ f  f$ U: o8 o

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* S/ \& q* R3 F+ r
如何才能固定
  X! Q$ z2 v9 i5 C