|
本帖最后由 chigre3 于 2018-11-30 08:14 编辑
+ a5 l6 _) _6 m" l, s6 H; F/ q1 `! a0 p
8 W- F+ s8 D& f8 o2 f/ F一、致谢:: N# b, q, M; x
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
! x3 |) t0 X$ t, m* U& z 感谢 @孤影 的自动划线软件, 给了很多界面上的参考
3 @' d6 Q4 {! G------------------------------------------------------------------------
1 t5 b! e9 w' Z2 D: s3 T二、这个软件有什么用呢???
( T% D8 T2 b, D! s. {4 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:0 c( ~" ~6 E2 \: ]# P$ Q9 j
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( O) O+ G5 k- o$ o
2. 使用本软件进行:
% P/ y7 N& m, ? (1) 全部页面的 自动划线-->自动OCR1 _" a; o: p( u8 ]
(2) 逐页校对划线和文本(可删可增)
" b# v( G* E, v/ c (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 O' Y* S, e0 [3 T7 ?5 g
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
# K. x1 Z# t8 b1 G+ l: |------------------------------------------------------------------------% @+ a( a. M# E' n
三、实现的功能:/ v8 Z! j+ @6 i( r
1. 画线:7 T, Y1 o% b; H& Z
(1) 自动分析页面 + 自动画线6 I* f! }) ?1 _* [! r
(2) 手动模式定义页面 + 自动划线6 a; [* n$ t, _: d' t# p; d8 s7 G Y
(3) 鼠标右键单击修改单栏重新自动画线; {1 j% Y8 m$ n, n
以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线$ w- @8 O, f( S- ]# \
) B" H/ c3 m" }2 g* ?$ ~ 2. OCR:
' ^: n) ?7 W$ @8 [ 采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载:https://github.com/tesseract-ocr/tessdata
* i5 y9 U8 |( h6 D (1) 导出文本:可外部编辑后导入, 避免OCR单个切图的不足
3 T" u6 N2 q3 S (2) 导入文本% o0 h( y9 O. H9 c7 i6 i
(3) 1 + 2:直接将OCR结果导入当前页面的文本框 --> 校对
0 C$ S# ~- n3 G6 I6 a- s! }/ a9 k 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& f4 S' M# i6 b. M' M" a7 P
; N/ |% \% }- T4 m3 ^3 P9 O
3. 切图:2 E7 Z! T0 x: T! C( f1 l4 W4 Z
(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
! z- i4 @; v6 R: m% N( N0 T (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)1 d- X9 r$ ]8 s( n. n
(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)9 G6 ^' B8 \( v6 v: y$ y/ |
(实例2:新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481)
% Y" N% g3 x9 T0 j6 H # U4 r O6 L+ j: R( w
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 X4 R3 D2 D- h7 \. Z6 c
$ O. g4 ~7 i. m
3 e- k# x! l& o/ d6 t 4. 校对:! ]/ W6 E- R: ~2 y% J
列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示
+ |& A# |7 N& {6 v8 t0 Z. F, l$ p: m0 t6 `& H) P
5. 其他:6 W, [& R B. t4 |& t t5 w
(1) 配置文件保存、导入
1 i, r- {& _6 I ^- R( 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
5 @: r- L& y% N* E (3) 最重要的还是要人工校对!!!!: l% M9 u3 n) s# L2 A' G5 l; F2 d
(4) 高度自定义参数设置
5 X. ^: q, m$ s9 h! S- S2 p------------------------------------------------------------------------
; j) C* F% ?6 Q# R如题,放个图:
& e) n, e/ R2 @7 S8 I% t# ~1 J1 r' ^8 V0 l" p/ c
! X2 w5 [% g% w ]. y, @
" E0 U1 {. [, N% U* V9 q' h, v
: V* W& V2 j4 a& g5 E$ M截图内的词条文字为OCR结果
0 s" B4 C$ e! h' O6 J ! C1 V# x% N1 ]5 r0 @4 ?
# `( `/ A, X3 E. f
* d' m6 }+ ^0 m6 i/ C& [
----------------------------20181130更新:
! m, J' g6 W: g2 B ]3 C& 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!
9 z; M! K1 V# Q. A* r- N----------------------------/ l0 O* z0 D( Y
20180809更新:7 R7 f# E5 V1 Y6 S& X
插图画区域由之前的矩形升级为任意多边形- r% f) w! j" [7 M, _2 k
( Z( h% D! Q( `; l/ N$ [. H! f
7 ~% A3 W; p; u% G+ N- `2 ?; S# {----------------------------
4 k) C5 t1 X8 N! G+ Q20180614更新:
! i6 m1 |& P, _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。
. e" n7 ^6 [; B单击则替换当前校对文本框中的文本!
/ C) X5 r/ _. B' a不同颜色提示,方便定位!
- l. x- k; O6 O$ b: B, g% Q8 l9 ~: O! d+ }# i
( g0 @+ `& P% u* g1 |/ L5 e
& P$ T- n0 t8 q7 R+ A7 { _----------------------------( q5 R% X: F( N$ Z4 k# q, q* a
20170314更新2:0 k' v3 v, P n* e; _; e
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& J6 V; S& H. i
d% f0 O6 r* H1 A8 u. [7 r4 g
( J4 V$ _5 G$ G1 B; b( B* ^. h
20170314更新:
( y9 E3 J/ ^& U$ {" O: u- g起始页-->终止页
- O& I% [7 z' i[切图]-【词条整体切图】
' P( w0 S/ T, z2 }6 Q8 C6 ~) \# U---> 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)3 B" d' i7 \' v" v1 K7 E
如果起始页和终止页为空,则导出当前页的词条切图4 ^; ]- n/ x$ v+ o, X6 L
" Z! g p# O; z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' g! j( M; z' y6 N0 q: n; F当前词条亮黄色,其他还是红色
: m7 Q- Q; R2 J5 e3 G. t# P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。
6 Y8 t# s- [4 r) Z" D5 k
0 @9 V2 ?- N- s3 z& U' L* I' I----------------------------1 N* }4 B7 S0 S
20170313更新:
: _" D" A2 `" V7 o+ W+ Y7 e1. 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)& n. S* I) ^+ X A
【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 y! }0 l* c/ o/ U----------------------------( a- p9 D- n# p z W5 L ?
20170217更新:0 K6 a# g+ V# @+ f9 l% P
1. 画线判断的方法改进(2种方法均改进)7 n3 N! f+ h x4 B2 L
----------------------------
2 G0 R: U- z+ e: S7 q2 W5 C20170115更新:
' p+ }" L6 K9 m1. tessdata 的完整语言列表,具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
, K) O5 M$ S. b& ]$ i, d" z+ s3 d2. 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)1 {/ t/ P' i7 V
----------------------------$ K0 s8 f$ r5 W+ R5 n' O
20161119更新:$ y$ B4 v; d1 d
1.修复保存坐标数据时的bug G8 q! t" T+ N2 c! v B. \9 q
2.修复单词整体导出页面的一个bug; V) O# `" I- r d
3.增加功能: 选定范围页面的批量导入词条# a* q0 P3 i, J) |0 t
4.增加功能: 快速查找定位索引5 R( h4 L, q7 z/ S, {' x5 Y) Y
----------------------------. I& s# t4 A6 a
20161123更新:
) `- Y/ i& M! X% a; A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。
* H, d4 w. h; R$ W5 g S W0 X! { V
- 问题:页面是否有词条?
' i' y- Z ` C0 j - 1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)1 d3 V& H! y: i8 P: Q2 T4 O# D
- 2. YES --> . M+ J* |& }2 ]. V; w: p- C l
- (1) 确定0号词条所在栏:
' z" k2 B+ M$ E- V6 ^4 r; } - --> 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)
" k1 y- c7 A/ H. W2 ^- J - --> 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)4 \8 O6 I' p2 V9 w
- (2) 次数为所有词条数目的循环:. o- k! X$ X; o& K
- A. 若: 当前为最后一个词条 --> 确定高度
2 c: X, u6 ]4 g1 J% U8 P - B. 否则:; {! w3 ]" f8 Z6 X6 f- u
- a. 下一个词条在下一栏 --> 确定高度2 p H- j$ `# \6 p, o
- --> 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)+ f; X+ I- E" B, ` W' A- }/ M0 S
- b. 下一个词条在同一栏 --> 确定高度4 N) b+ K1 ]* l( i
- 6 u" _0 a' |4 m8 b; K+ b
- --> 导出每个词条的切图) n h2 n" L8 z$ X3 c3 |
( |4 v' t* \5 }& t5 E% g; |- (3) 确定最后一个词条所在栏:
. w* Y# d2 Y( M' j! u( ^) T' _ - --> 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 + Y7 o- l g6 K" f5 i
6 J+ l6 s+ F: M- P重要更新:
$ A: Y7 I8 o! r& t; A% s1 L1. 词条整体切图模块重写8 j9 C7 S y& k5 M8 L$ p3 u0 o) S
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】
% A( t/ e) z2 `
& I. R* [4 x3 a6 p- H- A* ]. l- M h+ H+ {; I6 }. D
% Q6 f: o7 J" b( u% l; p; [0 Z/ i
2016.11.28 J. M/ S" c& G4 V- w
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)% u$ R2 d' g3 F5 F' ^
* `+ ]+ }% h1 Z9 b |
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
-
|