20181130更新_自动画线+OCR+切图+校对 软件

chigre3

9 i- f9 U! u8 {4 a4 V
- x* \/ Z! I; r* \; b5 E2 {  Q: ^一、致谢：
. T# e; o; E1 [$ h& y　　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
8 s8 m" T6 f3 u' {6 A" J　　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？？？
# ~% B- A- v- E4 L　　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
% l5 Z8 C2 n! l2 r　　2. 使用本软件进行：
5 N7 [# |3 t' o　　　(1) 全部页面的 自动划线-->自动OCR
) F  K$ f2 j' h/ b# S* \  N7 Q　　　(2) 逐页校对划线和文本(可删可增)
' q3 K# c4 B9 y9 T, b% s- {" d　　　(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
4 a8 z/ [7 h" \& _2 m------------------------------------------------------------------------
( I! ~' h% n# g三、实现的功能：
　　1. 画线：
) M; u9 o' n# q" o　　　(1) 自动分析页面 + 自动画线
' ?+ e* ?1 Z1 C* g$ M( z　　　(2) 手动模式定义页面 + 自动划线
2 B8 P, _8 Y! ~1 @. H! A2 x0 W2 p　　　(3) 鼠标右键单击修改单栏重新自动画线
　　　以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线
4 U$ N- v1 {' l* P& h4 n) P
　　2. OCR：
( q0 Q0 |2 W- x$ q6 J　　　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
9 x9 D! p$ k+ f+ |7 C　　　(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 @( a3 h8 m0 e" a
2 b  K. K) E% Q' j　　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）
+ X2 y" |8 j) a0 _8 C　　　　（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）
5 B8 ~  C8 @/ a% X: t　　　　
　　　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
5 \* G8 Z  W: y0 U7 L# c  i$ K　　　　
9 _- N- ^( N' ~2 |! |7 G/ K6 n
2 I7 ]& ?0 ^$ L1 e9 ]( W9 o　　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 F) L, K& G3 D4 n# `2 B+ {　　5. 其他：
1 G9 {9 \. w4 H4 A6 K  C　　　(1) 配置文件保存、导入
0 H4 |' V, V8 k* L' k& {( \9 ^　　　(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！！！！
' t' v. _+ j& P+ J1 D　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
2 D3 y" w, s  l5 l+ o0 M如题，放个图：
% V8 f3 v, n0 ^% }  s6 q% G/ r
( c  T1 |5 W% U0 w" ]: z
' U; a. \5 H: w7 }, I+ e
3 X0 @9 u1 G0 e0 m1 T) h- ~
# t3 z0 V6 u2 E* |5 l& @0 J截图内的词条文字为OCR结果
8 @1 P9 K* f  V; H3 Q- b


& U7 o/ j6 V, m----------------------------20181130更新：
/ `  i8 j1 C- A( F1 I6 w. P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！
----------------------------
3 ]/ @2 n  E% x" W$ d: ^20180809更新：
插图画区域由之前的矩形升级为任意多边形

' N- x7 n; N8 T4 C5 n& Q
6 F* q; W" H" y! G' d6 n----------------------------
20180614更新：
- E9 `7 R" b: m3 I- Q( J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！
/ B" o" e% c0 u8 z+ S不同颜色提示，方便定位！

7 O3 O+ u# g4 d& D6 M" J: o

----------------------------
1 M& r/ z/ s4 f# r' S' Y20170314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: F* L. `7 y" @  \

20170314更新：
起始页-->终止页
[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
5 |* _9 O, }4 _- z  z1 u8 W3 A$ y
/ h; K3 H0 h" v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）
3 j4 ]$ h1 Z2 s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。

4 Y% c" i! C0 B----------------------------
6 ]/ y/ _9 d4 z: c" h6 {) h20170313更新：
$ s/ A- S) @1 B( N, Z9 o/ L1. 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：
1. 画线判断的方法改进（2种方法均改进）
----------------------------
: G4 Q- i. Q" k! J1 Q20170115更新：
1. 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）
" @$ [4 P" `4 R% G# s$ R----------------------------
20161119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
4.增加功能: 快速查找定位索引
----------------------------
20161123更新：
' f$ a0 q5 ^5 I0 z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。

! q7 I8 A+ y( \7 v/ B! N# B4 b7 y6 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 -->
   8 S0 m5 [* L% M
4. 　(1) 确定0号词条所在栏:
   $ \4 a/ l& X# p
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)
   / @+ h# V% `, {% e/ P
7. 　(2) 次数为所有词条数目的循环:
   % [& I$ s9 K2 f7 B2 M
8. 　　A. 若: 当前为最后一个词条 --> 确定高度
   2 i" c) `6 e. F/ @7 x
9. 　　B. 否则:
   $ ~; K6 U0 z9 x! b
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)
    0 [; k# M; R7 Z( m; o, _3 ]- q: g" j
12. 　　　b. 下一个词条在同一栏 --> 确定高度
    
13. 
    # U! w# B  E7 h) H* m+ k9 z
14. 　　--> 导出每个词条的切图
    ; w2 v. m- n" b$ c) U7 d) F1 ]5 k
15. 
    9 t2 Z; D* ^0 x# _
16. 　(3) 确定最后一个词条所在栏:
    2 m/ }. j) K4 T' N" e, u
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

) H3 Y: h9 J. c: r
+ k" {. n- B# r重要更新：
1. 词条整体切图模块重写
2. 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】
/ l7 N7 _2 \/ J9 B1 Z! i' K5 J. ^
+ B5 n5 p8 o# o. F6 @6 ?* n

8 A! l9 h2 h$ x( F. m9 P9 c7 G6 E2016.11.28
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）
# M9 a  ]/ u$ j
, z# s* m% }( Q. k

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

1 _' e) }! N9 P! }4 J3 X( [8 N! g* G. \
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
  z; e7 E' H& l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 ...

4 B. k# k! E3 }3 L6 t* K% l+ [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

; e7 d) k1 O3 }$ o6 @2 J$ v- H
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
/ P2 Y% O9 O/ a* o# C; }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~~~

5 ?0 |+ |+ e3 z) {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
( f8 ]! G1 L0 w3 @  s, H1 u2. 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)
　(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

孤影

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

$ L' }0 W4 e/ b4 z比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
画线时：
  h9 p* @9 G6 A/ }[行间距离]: 17
' F% h- l' E& P  _( Z3 s[向右倍率]: 1/1.0
& w7 M; ?5 }4 [2 M+ n) ^+ C: T& d3 a
6 P$ @$ ?* e: h! W! xOCR时：
[行间距离]: 10
( P/ K# O( M, _. c# N[向右倍率]: 1/3.0
0 W. Z, e! n+ B' c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



1 {! i3 N6 w- E. E" n

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
8 i& Z# ?5 k* i8 g* C; v: |比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
" [2 r% r9 C1 Z8 r: r( }3 e; M ...

" v, V7 A, l- Y+ S+ ]7 Q9 d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
8 }" \1 m- ?! ]7 U" d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
) k8 p' J; w1 X4 d* V( q  D不规则形状不考虑
. R$ N8 Z) a! h4 K8 G3 b) x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~~~

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
' d" J$ A+ }' K! ?9 @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：
6 b' ?) y* X+ o  }3 H+ |" A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
(2) 制作成DSL格式, 图片资源直接打包zip
7 Y4 s2 \% S: }! Y% Z0 |9 {4 H

chigre3

teresaiao 发表于 2017-2-1 01:58
- `; S9 H  W5 Z: @% Y1 u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?

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 ~" C! ]- r6 }) }+ M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
% t: G+ z: z2 _4 z) [4 A2 K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

6 {4 u" R# y4 N% M, ]

chigre3 发表于 2017-2-1 02:04
+ E" D9 N9 m# {! I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  ...

- I% P9 m$ Z: m3 E3 |$ O如何才能固定
/ ~3 @) j8 x% R- ~8 p# y