20181130更新_自动画线+OCR+切图+校对软件

chigre3 · 发表于 2016-11-15 20:14:56

本帖最后由 chigre3 于 2018-11-30 08:14 编辑

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
------------------------------------------------------------------------
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
　　2. 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
------------------------------------------------------------------------
三、实现的功能：
　　1. 画线：
　　　(1) 自动分析页面 + 自动画线
　　　(2) 手动模式定义页面 + 自动划线
　　　(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

　　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
　　　(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
　　　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：
　　　(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）
　　　　（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）
　　　　

　　　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
　　　　

　　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

　　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
　　　(3) 最重要的还是要人工校对！！！！
　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
如题，放个图：

截图内的词条文字为OCR结果

----------------------------20181130更新：
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！
----------------------------
20180809更新：
插图画区域由之前的矩形升级为任意多边形

----------------------------
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！

----------------------------
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：

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

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）
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。

----------------------------
20170313更新：
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）
　　【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）
----------------------------
20170115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）
----------------------------
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：
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。

问题：页面是否有词条？, J$ B9 j9 J$ e6 ?, M
1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)
0 Q4 L/ q/ P0 e; K! _
2. YES --> + r# P1 [! M- S
　(1) 确定0号词条所在栏:, E$ T* w, G# {6 c5 L& K0 {; s* U+ Q
　　--> 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). d' p$ R1 X6 F% y
　　--> 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): s' u* \8 A9 Z6 ]. S7 s' Y1 f3 w
　(2) 次数为所有词条数目的循环:
4 u5 i' Y. \+ Y: i( O* J& \
　　A. 若: 当前为最后一个词条 --> 确定高度/ ]4 q$ q' k- ~4 r
　　B. 否则:
9 V3 `7 A V$ g5 ^( M2 d. O
　　　a. 下一个词条在下一栏 --> 确定高度, @7 p, t+ ~, }2 O# y& w* y
　　　　　--> 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! `1 G# U7 ?) E
　　　b. 下一个词条在同一栏 --> 确定高度
* O& G5 w0 s+ K5 N) w( u
1 g- ^) {' p" A/ W N2 ?( L
　　--> 导出每个词条的切图
1 X5 m4 P% o) d. j# t) S
) i8 B! ~9 Q/ {# m1 M5 w- i9 L1 n
　(3) 确定最后一个词条所在栏:- A- n; j) U o3 {; M* `
　　--> 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：
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】

2016.11.28
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）

szs6008 · 发表于 2018-2-23 08:45:34

请问大神，软件在哪儿有下载啊

teresaiao · 发表于 2017-2-1 12:03:46

本帖最后由 teresaiao 于 2017-2-10 13:47 编辑

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 · 发表于 2017-2-1 04:49:02

teresaiao 发表于 2017-2-1 03:39
j. E; d; x& l& S. v* N! c/ P% A: p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 · 发表于 2017-2-1 01:58:45

本帖最后由 teresaiao 于 2017-2-10 13:46 编辑

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 · 发表于 2016-11-26 13:05:03

感谢chigre3，待我有空可以把汉语大字典图片版做一下了。

chigre3 · 发表于 2016-11-17 00:34:06

group1234 发表于 2016-11-16 23:308 L: w O: ~9 f7 h
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~~~

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
2. 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 · 发表于 2016-11-15 20:39:32

神器

zhu1234 · 发表于 2016-11-15 22:50:35

逆天还是吊炸天了。。。。。

chigre3 · 发表于 2016-11-16 02:11:49

本帖最后由 chigre3 于 2016-11-16 02:22 编辑

比如《现代汉语词典》也可以画线和OCR、切图等：
----------------------------------------------------
画线时：
[行间距离]: 17
[向右倍率]: 1/1.0

OCR时：
[行间距离]: 10
[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

迪克特 · 发表于 2016-11-16 07:12:22

几乎只剩下人工校对工作了

lzr80 · 发表于 2016-11-16 07:39:57

牛啊，牛!

644830104 · 发表于 2016-11-16 08:09:02

chigre3 发表于 2016-11-16 02:11
* f$ x- b# S, U# h比如《现代汉语词典》也可以画线和OCR、切图等：& O4 g0 \4 w% n a$ @# W
----------------------------------------------------
+ B) o; x+ B6 ] ...

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？

fedor · 发表于 2016-11-16 08:46:56

提示: 该帖被管理员或版主屏蔽

chigre3 · 发表于 2016-11-16 17:36:45

644830104 发表于 2016-11-16 08:09
# V/ v, g3 R. P8 W; Y8 M/ [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
不规则形状不考虑
支持N栏

group1234 · 发表于 2016-11-16 23:30:48

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 · 发表于 2016-11-17 09:30:44

能分享不？

865052004 · 发表于 2016-11-17 17:28:54

这个绝对是神器

dennis_kindle · 发表于 2016-11-20 01:16:53

激动不已！跃跃欲试

houbible · 发表于 2016-11-20 09:18:39

哇，很牛的软件，期待chigre3的分享。

xinqing2016 · 发表于 2016-11-22 17:12:18

这个软件太厉害了

xinqing2016 · 发表于 2016-11-22 17:13:11

提示: 该帖被管理员或版主屏蔽

chigre3 · 发表于 2016-11-26 09:05:40

【20161125更新】《葡汉词典》切图版
https://www.pdawiki.com/forum/fo ... &fromuid=174481
(出处: 掌上百科)

eeshu · 发表于 2016-11-27 08:21:42

C大神器，谁与争锋？创意无限，匠心十足。佩服佩服。

chigre3 · 发表于 2016-11-27 20:23:37

切图版后续：
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

chigre3 · 发表于 2017-2-1 02:01:35

teresaiao 发表于 2017-2-1 01:58% O) e% o, l8 z) k! r" Y2 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?

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 · 发表于 2017-2-1 02:04:52

teresaiao 发表于 2017-2-1 01:588 u0 K5 e6 s n* l ^ g5 {
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 · 发表于 2017-2-1 03:39:23

本帖最后由 teresaiao 于 2017-2-10 13:46 编辑

chigre3 发表于 2017-2-1 02:04
5 W4 J* n7 t! N4 g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 ...

如何才能固定

		自动登录	找回密码
密码			免费注册

fedor fedor 当前离线积分 1174 该用户从未签到	发表于 2016-11-16 08:46:56 \| 显示全部楼层提示: 该帖被管理员或版主屏蔽
fedor fedor 当前离线积分 1174 该用户从未签到
	回复支持反对举报

[工具] 20181130更新_自动画线+OCR+切图+校对软件

本帖子中包含更多资源

评分

本帖被以下淘专辑推荐:

本帖子中包含更多资源

[工具] 20181130更新_自动画线+OCR+切图+校对 软件

本帖子中包含更多资源

评分

本帖被以下淘专辑推荐:

本帖子中包含更多资源

[工具] 20181130更新_自动画线+OCR+切图+校对软件