|
本帖最后由 chigre3 于 2018-11-30 08:14 编辑
& c1 g& g: [/ L+ } I
5 H2 B; I" M) ~8 K; u一、致谢:
' I8 m/ n6 e2 |# `8 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% F/ T3 i2 w+ T4 L4 U5 O
感谢 @孤影 的自动划线软件, 给了很多界面上的参考
4 t# t* D, [9 M E+ u------------------------------------------------------------------------$ Y2 J$ l9 [! ] R
二、这个软件有什么用呢???7 o/ d, i2 x" b. _4 i/ S
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:
! K% e8 F3 ? {1 Q' ~/ w 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# i6 ]/ l# {1 R 2. 使用本软件进行:
9 \% X2 N3 Q5 m (1) 全部页面的 自动划线-->自动OCR
, j! x: u* Q, M1 R" N# o (2) 逐页校对划线和文本(可删可增) `. i% |& J$ R" V
(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
$ E) t+ s8 @8 O4 ~5 R 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
' D# ]" U: z3 L4 g U7 Q6 a+ x( d' w------------------------------------------------------------------------
' Y5 D# R) R6 M9 n9 B三、实现的功能:
7 `" k+ c/ \* {4 H; x4 c" V( h 1. 画线:. Z/ e9 l X S9 N! `% L: Y
(1) 自动分析页面 + 自动画线. `/ X' c P+ v1 ` N
(2) 手动模式定义页面 + 自动划线" C9 r9 F. J& P" G7 F4 W- ]3 x
(3) 鼠标右键单击修改单栏重新自动画线9 ?5 F( P& o" b. Z, c, A) ?' X
以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线8 `* c k/ D9 { p8 W
; {( V- p3 T0 d: G 2. OCR:
$ J, f6 }! x4 {: U- M: t) n4 E 采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载:https://github.com/tesseract-ocr/tessdata _: s4 Q5 K" s: W3 q% f) {9 B
(1) 导出文本:可外部编辑后导入, 避免OCR单个切图的不足
: x3 L1 E% ~, ?: ] ] (2) 导入文本$ u! f/ e) r5 m9 s( c& \0 E# o
(3) 1 + 2:直接将OCR结果导入当前页面的文本框 --> 校对
4 ]6 X, w/ g2 E 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' I6 Y, t3 B& B: V, F7 [
; M6 ?. } j- i# p7 [9 F* ]- v. t5 [
3. 切图:' V8 X+ ^$ C6 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
1 L. Q" O1 n$ A0 e- f% F1 t- ?- d (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)
: @0 ~; [ Q. C j# b- n; a+ D (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)
/ t1 c" q1 g* Q) Y5 R (实例2:新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481)" J& Z; f" h0 L u2 }/ }
8 ^( \6 s5 Y5 }- O1 v$ i4 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
- [7 X. b) s6 Y9 p
! B9 l x# p- l: Z3 E
) [, f5 H( X1 i6 [+ r5 o$ m& o 4. 校对:% l+ I& q' t0 W( Z- T4 w' @: _
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 I( ?$ Y$ N$ c' v3 x
% Q2 b& z3 B* H5 b
5. 其他:
$ N6 `6 s, L9 L. H3 G (1) 配置文件保存、导入
) d2 k8 p8 t9 E r g (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
6 o3 `" _$ s, I7 K2 D4 @- N6 W s* @ (3) 最重要的还是要人工校对!!!!, }) p2 X% X$ w) b
(4) 高度自定义参数设置
( a! t/ G- w7 Z------------------------------------------------------------------------. e/ ?1 T T5 F' {7 s5 `/ |
如题,放个图:
/ ?: y( S# F* T+ a9 r% M! _4 o4 f: b
5 h! X7 B( r( [, f% l: F, ]
* o9 m5 _) l' R% n J, L) ]
4 n" O. S8 ?- j2 d/ z6 [, S: l/ q/ n截图内的词条文字为OCR结果
Z3 D# ^; k$ j% |$ Y5 [% H
/ g1 x3 @5 f4 @/ B
( I7 c; E) T: c$ y- Y1 r! U' H. U- S6 L% R9 P2 c
----------------------------20181130更新:
% x0 v- M' V [ [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 c9 l. x( t7 J& C, t$ ?
----------------------------& B4 _! m# l* X) T- H# C, `/ H
20180809更新:* z$ |; E- m9 U& S; q: `0 \
插图画区域由之前的矩形升级为任意多边形
. g: Q: l' K* Z* J. u# |. \" \6 {. B* @
( N5 O# M$ w% ?
----------------------------$ B! Z4 A# k/ i4 M$ C4 ?9 f
20180614更新:
3 J! M3 Y p& H4 U# u( V! ~ ]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。$ j: A2 T* I9 Z. m8 q
单击则替换当前校对文本框中的文本!6 x* U$ Y y" Q% }) C! t$ W2 s& H/ |
不同颜色提示,方便定位!
5 |/ @8 A7 N, c: U' g6 j) u' i( _/ T1 `) N7 |8 `% N
2 Y5 ^( C" H1 e: ]) m0 f) l3 _4 ~4 z( o, U0 ^2 X; P- \
----------------------------" }; W: {& L, w( m. Z
20170314更新2:
& H& S6 m6 a- f. ~1 z+ x0 V* z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:
5 q. I8 Y6 B# D' L: b" U* S1 D
- u, X( S, @1 ^( f# x: Z/ i/ a# ]$ L i- g
20170314更新:& O) ~( _$ w- [
起始页-->终止页' ^) s8 P/ h* D1 M- E" \
[切图]-【词条整体切图】
% o: t& P7 ^ E---> 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)$ q( q0 x5 c0 O; |+ T7 U+ x( G( L" \
如果起始页和终止页为空,则导出当前页的词条切图! C4 D& v) v1 ^3 i! t# C
8 ~9 E7 n* K; L3 q- E
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)
% z$ s6 R- r- D* n2 \0 U' F当前词条亮黄色,其他还是红色
" n9 H# t8 G# c" S6 B8 n3 {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。" d4 U/ H6 E) u; c( n0 f; P
t# |0 H( C( _% [# ^" m----------------------------) M! t% d+ s' Y
20170313更新:8 F7 Q* j7 k! W+ _. L% v- r
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). v3 Z. n8 w) b y$ [: l1 f0 V
【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】: ]; N: n+ f: u4 s4 ?/ X! b3 P
----------------------------
/ _* @; b6 h9 W: k: K9 W' C' J; {. F20170217更新:% \: K! s! B1 c8 X# \6 \, o
1. 画线判断的方法改进(2种方法均改进): ]% j5 f* s; s. Z- C1 U
----------------------------
) i1 B0 r5 b4 R5 }/ `6 P20170115更新:
) U9 T; v4 Q/ N7 D1. tessdata 的完整语言列表,具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
7 M2 h9 {# G' Y1 h$ ]! U) h1 t/ N2. 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)
0 X$ |; `7 m9 y# J0 O----------------------------
3 L' J, @( c% N2 ]: Y20161119更新:
& b0 W( K( J* h1.修复保存坐标数据时的bug
# k3 f9 y9 g# x) @! n3 T$ H6 d$ @2.修复单词整体导出页面的一个bug
3 G+ n/ Q! M9 c5 `3.增加功能: 选定范围页面的批量导入词条
5 p- e/ Z5 |# Z/ |$ R9 I4 q4.增加功能: 快速查找定位索引
/ I3 |" z9 G* c/ ]9 z----------------------------
- Z7 |! P. W. k$ H2 J2 ~0 k* @20161123更新:
9 w6 h1 _: n, o, m6 P% P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。1 S( k/ |" [' {5 A8 }' m
3 k9 e/ ^* n6 |7 p, g) f
- 问题:页面是否有词条?4 x; [. B Y1 w! S
- 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 S1 E6 n9 ?1 z7 R - 2. YES -->
( P% b, U( B" u7 Q P! y7 ~ - (1) 确定0号词条所在栏:9 i9 N6 Y) P8 O2 x+ Q- r) ~$ H
- --> 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)- M( N+ I7 R5 J# j( g' |! A
- --> 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)
- S5 d1 s5 E/ k7 a" i4 y- g# C - (2) 次数为所有词条数目的循环:$ N; L$ _1 s0 ~/ w. @" Y- Q
- A. 若: 当前为最后一个词条 --> 确定高度
5 ^- v3 T$ u# a5 m% I* x2 A. q - B. 否则:7 _* q6 G# q4 ]: Y2 _- n
- a. 下一个词条在下一栏 --> 确定高度# X; W% ?# Z* r; W/ b4 ~8 d% o D& l
- --> 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)+ n" Q* @+ [6 U' s* K. N3 p S# y
- b. 下一个词条在同一栏 --> 确定高度
, H& `' g) t0 a k - 4 ]$ s: g; G" F- H7 o7 ~6 _
- --> 导出每个词条的切图$ ^2 d$ k/ P$ K
- 9 k1 A- Z, p% n/ ? A
- (3) 确定最后一个词条所在栏:
: x6 K! I' c6 X8 K7 g - --> 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
! q+ x6 A Y- ^% B: e; B& h* K: N( U! Y, v- y: v" M% Y
重要更新:
: W/ P Q. m3 P1. 词条整体切图模块重写
/ }" ]# ]$ E( _" v2. 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】
7 c6 j- v3 u9 I. {3 p, F8 E2 \. P
. h6 ]1 H/ [% o% M! _+ [
% i; s P7 x. h: T2016.11.28
8 `. |- p U+ j8 m" u$ `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)
2 |$ C; `' {/ k2 f& W( i
$ H; K/ W5 q& M0 T |
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
-
|