20181130更新_自动画线+OCR+切图+校对 软件

chigre3

) z7 i. w) o# _2 h* ^
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
4 A: k+ k+ m! }0 |------------------------------------------------------------------------
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：
　　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
3 r; H" S0 |6 l( B: V0 H　　2. 使用本软件进行：
　　　(1) 全部页面的 自动划线-->自动OCR
2 ]6 w, d, E( b　　　(2) 逐页校对划线和文本(可删可增)
( V  H2 e% g. i　　　(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
, I! l! ~; b( N8 p4 @　　　 　 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
0 k. ]7 ^" O$ c8 J4 _% Z, r' @------------------------------------------------------------------------
: ]2 }$ U& @  X三、实现的功能：
　　1. 画线：
! c  c8 H$ |5 U5 f: U. {' j　　　(1) 自动分析页面 + 自动画线
　　　(2) 手动模式定义页面 + 自动划线
6 M3 R8 k3 k4 B5 _: F　　　(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

1 c5 D1 x) R; v9 B# j6 T9 K　　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
　　　(1) 导出文本：可外部编辑后导入, 避免OCR单个切图的不足
' {* v6 Q$ b( D0 r　　　(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
; t1 b" F, Y. ]9 [# q0 y　　　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：
0 y) I2 j/ F: T6 j8 y6 X　　　(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
$ L1 Q8 p8 g9 r5 X+ |8 E8 B. I　　　(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）
, A, f1 G6 S) n' Q* }　　　　（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）
　　　　
  n8 S  |5 v, D: E9 Y/ U7 N　　　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
! G- I" q; {# B- O$ w0 w9 a% G　　　　
, V, q! v1 r- O- v  q
) @, ]7 \& ~  E7 h) L+ n# [% k8 M+ e　　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
' l* g" c# z8 v8 n" i7 V2 N( o' o/ l
" E7 f" ^1 E5 h& C% f　　5. 其他：
　　　(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
4 `; o& f1 |0 F2 l: ?+ N$ Z/ s　　　(3) 最重要的还是要人工校对！！！！
2 M% y: L4 G9 B5 J/ K% `) D　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
如题，放个图：


5 f# n" u8 a% ~( `! q0 ?: F% d& g
' A5 P+ R3 p0 y2 I. }
1 C* Z* h. h4 D% ^* x" h截图内的词条文字为OCR结果



----------------------------20181130更新：
. `. X6 {- s$ h' s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！
----------------------------
5 q. _$ [8 ?) E- }. E# |20180809更新：
插图画区域由之前的矩形升级为任意多边形

8 u% i  g9 M6 _9 D: C/ \9 _
1 }. h  {, F3 s6 z. E7 W8 |----------------------------
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。
单击则替换当前校对文本框中的文本！
不同颜色提示，方便定位！
% ~# o3 }! D5 c7 W' r+ C

; D5 c7 O* h2 Z2 u4 a# m! a* e& R
----------------------------
' X  ~1 X, h3 T1 G! D5 M0 Z0 T6 |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：


8 P6 q0 m8 i% C5 ]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）
; [" N) w4 ?; Z; N+ M  ~- U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）
: ^/ P- G* w* k- C3 C$ F' f6 M当前词条亮黄色，其他还是红色
  T% J, P/ W# W$ ]  v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。
9 {2 E' e/ G0 _$ W
  p) X5 p% y+ i7 L" Z' K----------------------------
8 ^9 y- o3 \3 f9 D' s7 T8 A1 l20170313更新：
6 H  a% U% b$ f: g1. 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】
----------------------------
9 E4 a7 f. r$ A/ c4 A2 v0 A20170217更新：
1. 画线判断的方法改进（2种方法均改进）
----------------------------
20170115更新：
1 o9 ^7 ^4 A! N! {$ |1. tessdata 的完整语言列表，具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
. I1 b  Y2 s# {5 k- l0 S5 G2. 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）
----------------------------
20161119更新：
7 c$ z1 A) }9 Y; }9 x1.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
; @' R1 \7 z% X3.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：
9 Q& B- a6 ^: z  o+ _2 {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。

+ j, R( ?) u3 r2 g$ P

1. 问题：页面是否有词条？
   # b) D' g+ y' x, I1 t4 e) J- G
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)
   : n0 z3 L4 H7 Q7 H% \" Q
3. 2. YES -->
   
4. 　(1) 确定0号词条所在栏:
   # s* H9 o* y, a
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)
   ' W5 [3 q/ k4 ?& \+ w# Y( 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
   
9. 　　B. 否则:
   % N4 e# Q( r! q9 U4 u* Z4 E! |- Q
10. 　　　a. 下一个词条在下一栏 --> 确定高度
    9 [* h- y. l. n. K) U" i
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)
    * Q% H* v: ?$ D, V
12. 　　　b. 下一个词条在同一栏 --> 确定高度
    
13. 
    
14. 　　--> 导出每个词条的切图
    
15. 
    
16. 　(3) 确定最后一个词条所在栏:
      C% W- `+ t. a* e; O
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

重要更新：
5 t+ B- E0 U9 j5 ^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】
9 V/ v* ]9 {) f# i  n4 T
# v% S! k' F  p1 W- Y

1 ], N1 I8 j% b* R2 C. x3 T. D6 e& p' h2016.11.28
  ^2 c: f# \+ s! ~0 u$ \* v8 t$ A- S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）
. z3 C; C1 O% N, _" a! Z  X1 t# n3 l
+ K/ [9 Y0 t( b9 H+ Q

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

; P6 R5 r: L) b0 d2 u
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
; _8 d& a8 I/ d8 _) w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~~~

" Z% ]2 A6 G2 K0 q& q) P+ N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：
- |$ b- ^" q! `4 w1. 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
. f# q. B2 B  N7 c& D2. 使用本软件进行：
- [, r7 ]1 a9 `( F4 q　(1) 全部页面的 自动划线-->自动OCR
# a$ d) }) [: e' M　(2) 逐页校对划线和文本(可删可增)
( n3 O! k$ w( S& Q　(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
/ h9 u& o) S9 P4 U, d0 B& O3 a5 E

孤影

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

2 P- w9 X3 X  [7 C9 F
2 P/ ]1 i4 t# T. y3 V6 j, p比如《现代汉语词典》也可以画线和OCR、切图等：
* r+ _) }) [) `----------------------------------------------------
! X1 u' k6 n+ _2 b; x画线时：
5 N. T; y1 ]7 I[行间距离]: 17
[向右倍率]: 1/1.0
  W- C: W& l3 l$ r/ S
, S# j" h5 b0 n) G; y0 JOCR时：
5 _0 e" w9 ]" D# J; G# J[行间距离]: 10
) W! n  ?! @$ A  I. I$ L[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

7 v; T, a3 n, i
5 Z! j, u7 o3 l( W& _

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
比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
% K5 U4 h9 S/ U! ~0 A ...

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
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
* P. v! d! M! o3 M. h) z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~~~

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
- f; E2 P' y; k$ b) Q6 e(出处: 掌上百科)
3 I0 P; P$ f4 V* n

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：
8 J; y$ r6 z1 `& V9 ^2 y(1) 制作成MDX/MDD格式, CSS不内嵌入MDD, 外置CSS, 方便个人设置
( Z6 |9 p( D/ |# g: C! [0 _(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?

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
2 r6 }  k3 Y+ L. k+ F; @1 D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 @* ~- K% I5 [3 ]0 G! @' [  @/ A

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  ...

3 k1 H; x& q; K0 F如何才能固定

: E, E1 R3 N  ~5 J$ b