|
本帖最后由 chigre3 于 2018-11-30 08:14 编辑 3 a. [2 M# f5 O/ y
! v4 ~" _5 I$ G: ]( m' f: b4 f8 w
一、致谢:
" D$ v ^ K, P D4 m, k! z 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+ s4 Q6 V6 U8 D' f" _/ {
感谢 @孤影 的自动划线软件, 给了很多界面上的参考
! m5 A( W% h d------------------------------------------------------------------------6 j, o6 P- b% w& `7 |
二、这个软件有什么用呢???
9 _8 D9 }2 x5 Z/ Z" ^) W 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:) x0 C) @. ]# o8 U. 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% B, g* n* ?; L* u+ B/ n" {
2. 使用本软件进行:! C$ Q$ M. \1 P& Z2 Q5 Z
(1) 全部页面的 自动划线-->自动OCR6 n# |4 O3 G( ?# ]
(2) 逐页校对划线和文本(可删可增)
% t" `/ m5 F- U( F& ? (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0 {4 i j @* I$ ~9 a v
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
C8 E2 }3 j3 J [4 R------------------------------------------------------------------------
! p( T5 \7 Z# t, Q% ~+ V" R三、实现的功能:
_/ W$ E8 [/ K. Q; F! [" P! B0 F 1. 画线:. M; e( y5 p1 F
(1) 自动分析页面 + 自动画线
1 g0 N$ k7 \! ?1 d2 G! s (2) 手动模式定义页面 + 自动划线
5 s6 n1 X- E0 s2 D* Q! \ (3) 鼠标右键单击修改单栏重新自动画线4 T4 x5 s9 w1 G" r
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 V3 x1 c1 x! v [# A
2 r) A m$ I! X" n, C* j% W4 A
2. OCR:
/ {# q7 c/ W# K9 `' R7 t 采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载:https://github.com/tesseract-ocr/tessdata
) w' `8 h. c, o (1) 导出文本:可外部编辑后导入, 避免OCR单个切图的不足+ }2 ]2 _+ c( ?' C& A
(2) 导入文本
2 H, J7 A6 d; K; E8 i5 E1 p- Q6 @ (3) 1 + 2:直接将OCR结果导入当前页面的文本框 --> 校对% Y+ Z# Q- U6 b6 q5 r" g5 ]
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
5 g/ |8 F3 C9 ~- Y( A, Y, l4 F% I# O7 x/ i, E) w- G8 y
3. 切图:
! l2 e- ~2 U$ B; e# d( n2 j (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 ?# A- H* S7 l (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)% @. ^# d% g" V. X& U
(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)
$ a5 z, v3 H! q' m! S ~ (实例2:新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481)
: n. j; O) u( T 
: j) Z$ E& J5 ` d- y; B 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
+ R! K# b/ j n( @6 J 5 @) k; j% Y: [( ]
* s G" O4 M8 l# P1 I
4. 校对:
" z: a8 u, I4 v7 M 列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示
1 _, P! c+ \8 V$ l5 R0 U! N, ?# N' E8 f1 {2 x% w9 o7 l0 u% y
5. 其他:
7 n2 ?5 D$ P3 d8 [5 D (1) 配置文件保存、导入, y5 L- M* \: ^$ C
(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" f& N# r9 e0 T7 Q0 r
(3) 最重要的还是要人工校对!!!!$ E4 ?1 W r, a$ b; Y
(4) 高度自定义参数设置
; `9 H- P9 c: M& P$ @( n2 \; D% L, x" Y------------------------------------------------------------------------% ]0 b! A6 _6 J* l" }
如题,放个图:
" u3 D# ]0 B* a0 y1 B' ?, {
6 I7 `. x/ A) O5 a
, t W* ?: I8 [0 r+ q V! @: Z% S Y) S& Q* c2 K* M' N
- F' r( R7 b$ x& i
截图内的词条文字为OCR结果
8 d$ G) ?, Y/ p/ G1 F5 u
8 o( {; o% b9 t! w0 h/ `
2 t" [/ W& h2 g
, p/ {5 D, a: k0 |----------------------------20181130更新:
8 U/ u7 p s9 z8 R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!7 }/ S4 S5 `1 y4 ]& c% Q' j: B1 b
----------------------------3 I' g( n9 b; s1 a
20180809更新:
8 ^& w" k% @# C s4 Q. J- d$ r插图画区域由之前的矩形升级为任意多边形- s2 q0 M; l6 F- Q2 I
; n. ?/ ]- d6 |9 |* l
' L; \" V& A* p H6 ^; u. [5 V----------------------------' R- P' E0 q* A* R/ \
20180614更新:
, X2 Y9 a& Q r7 o% U# ^# {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。( N0 U) i1 ~7 u8 O8 N. w
单击则替换当前校对文本框中的文本!
6 Z$ |/ N o. q' ?& }不同颜色提示,方便定位!6 ]* u# a, \& O+ L
' r3 o. {# l9 C- [4 R' a; c
" ?$ d& W) c1 Y5 x' x
6 {' t+ ?) T6 c
----------------------------
# v6 u! Y- X8 O% ?0 \; L20170314更新2:
$ h5 d( S4 ~0 Q0 c; a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:
[$ {& D! J# F6 q% i7 r9 k g" w) \ ! f. r% u6 A8 j4 {
1 {. j! r( E" y- @) T; L1 t20170314更新:# k7 q4 r) i7 u" m
起始页-->终止页9 I: `2 X- R! ~# n
[切图]-【词条整体切图】: Y1 l" H% U/ q" n4 G
---> 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)
& z9 F- [/ k0 ^# U. l6 k如果起始页和终止页为空,则导出当前页的词条切图2 {1 e2 y; g# B2 R$ R! Y
4 g( P' V+ T2 a, O: q. 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)
7 R( R* C- r. y当前词条亮黄色,其他还是红色* k" j, W2 k! r. A
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。( J S/ w2 i3 s6 b' U
$ q3 T' I. H) K8 _/ {! f5 B0 h----------------------------
, t* l f* Q- m' E* `/ O( F20170313更新:0 \/ E* e* A4 F- `* d1 X
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)
: W4 z$ O" j+ \0 D! z 【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】
8 f3 ?6 P1 c5 w' j; X9 O----------------------------
! P7 C- a8 B" z' p% _20170217更新:+ u: ~' _" v `% v7 J
1. 画线判断的方法改进(2种方法均改进)8 L3 S. {( D$ Q0 X: J2 L2 m: j
---------------------------- {$ D/ g5 w5 s/ i( O4 D2 G5 h
20170115更新:
0 w6 P( j% u) Q7 l0 |' X. `1. tessdata 的完整语言列表,具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
, e. [. W" `5 ?$ A( Q7 O3 r' V+ U2. 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)
9 G' j! m$ g, W. l( o----------------------------
; [+ t* D* D" K* t& J3 k2 z) c20161119更新:
9 s; E" i6 Z9 [) }2 \2 v% S( [1.修复保存坐标数据时的bug
5 s# w B5 G$ T" K2.修复单词整体导出页面的一个bug! p2 i6 S0 {9 F1 h
3.增加功能: 选定范围页面的批量导入词条6 p |% y' f$ m- N2 P1 d
4.增加功能: 快速查找定位索引
- D: O! Q( R1 \( L9 [+ \& ]----------------------------
$ O" t+ ~0 |; X( I20161123更新:* z: c; J' t& D* Q$ ?; k
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。
7 s7 ~! ?. F9 L7 V7 [8 ]" d
9 ? ~% Q# B+ X- w: c8 V- 问题:页面是否有词条?" ~7 Z+ {* G: e4 P& X1 _
- 1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)
/ _$ |, n! a; r }) f0 V - 2. YES --> ) w* |# K- S8 Q: p% F3 X
- (1) 确定0号词条所在栏:9 m3 A; f- }: i+ n6 }4 b& s5 C
- --> 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)
/ N+ p: G0 _# B1 r$ ]* n2 ~ - --> 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)
5 `- \; J7 G% [" [. u - (2) 次数为所有词条数目的循环:
) t/ e1 e2 `5 W4 G - A. 若: 当前为最后一个词条 --> 确定高度4 j' c% |1 x0 T: N% R
- B. 否则:6 x8 @6 V6 s3 T; G- y6 J; u: S1 [
- a. 下一个词条在下一栏 --> 确定高度
5 }- _, W3 O2 b. o# D/ E" R - --> 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)
3 L6 G2 Q, f( X - b. 下一个词条在同一栏 --> 确定高度
- U8 C; ]3 |" Z& p( e; @: Z' R - % M. |% j6 [, }. j6 y7 Q
- --> 导出每个词条的切图
3 w2 n2 Q" D- B
& _' U! a; f9 \+ ~+ T- (3) 确定最后一个词条所在栏:
+ Q* X+ u- C5 [+ q - --> 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 ' g) |3 A+ o$ r/ u/ ^
; S7 L+ ^& R9 u8 U. S9 C v+ Z: K重要更新:
5 M4 I* ^ H% ~. S1. 词条整体切图模块重写. b3 j3 o; k4 p- K+ K9 u
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】
6 I- Z% v/ B. @2 ^4 Q
% U( T7 O, r) T+ S. U
; m1 u3 n$ o: g! B8 z! Z" ?, W+ Y- T/ {* c5 P1 @5 d
2016.11.28
9 |1 C. F+ [5 q( w1 H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)% U7 d% `2 d) ~3 M
. x( I0 R; {- R0 T& k" r2 [6 F( G. {/ e |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?免费注册
x
评分
-
1
查看全部评分
-
|