|
本帖最后由 chigre3 于 2018-11-30 08:14 编辑
/ G1 j5 Q4 |: I( b6 @; r' S* l9 c2 o
/ c: m- c+ F7 f, H% v0 w* v一、致谢:
9 @; B+ i4 ?; M7 ~ s8 n' 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& g. d& d+ @8 `
感谢 @孤影 的自动划线软件, 给了很多界面上的参考( V" S$ j# n% W# j' z' W7 @
------------------------------------------------------------------------8 A6 u! g" U7 N( e; ]7 @) W
二、这个软件有什么用呢???) d4 P, s1 y u+ e
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: E8 q. M( f- N+ S3 a- n
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( X& }. l: C0 Q: Y& j9 b0 o H( H3 o
2. 使用本软件进行:
) a8 q' T% z* [" [) S (1) 全部页面的 自动划线-->自动OCR" \; f7 Q0 o% M5 w1 e3 S# |
(2) 逐页校对划线和文本(可删可增)
0 L* o! `9 p( ^ (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
: D9 e+ D6 ^5 S5 t9 `* a5 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) ?1 Z; Z; d7 X
------------------------------------------------------------------------
6 K4 j1 A$ C. T2 R w- s三、实现的功能:
) |2 n( s; L' S/ q% k* n6 W 1. 画线:
; Q; o6 e) s+ r$ w9 f (1) 自动分析页面 + 自动画线
- U8 ^4 e- _& s. U (2) 手动模式定义页面 + 自动划线
% W3 s. _6 f! L% h! j (3) 鼠标右键单击修改单栏重新自动画线
, Y& `% r2 H5 W7 A B3 t7 [. Z 以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线& T4 u J4 G; X! x) I* H) P) P
% ~* f: H7 e! I( A 2. OCR:
p4 I" Y; U4 q' u( L 采用Tesseract OCR, 具体语言文件 tessdata 可以到官网下载:https://github.com/tesseract-ocr/tessdata
8 ], Q1 n4 D; o3 K/ I7 X# t. x7 h (1) 导出文本:可外部编辑后导入, 避免OCR单个切图的不足- M4 V5 c1 ~. P7 C, c
(2) 导入文本
: ?6 J/ Q0 _/ T5 B4 N (3) 1 + 2:直接将OCR结果导入当前页面的文本框 --> 校对8 P& P5 ~( T1 @3 U: S
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
* C' X) B( d% T" r
; u8 k" I9 C1 A 3. 切图:* b' L7 x; P$ 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& d, R. y* I4 f9 r. I- Q/ `
(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)
+ n; p) y2 ?( L (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)# d) r- \) @$ B4 ` y
(实例2:新西汉词典 切图版 https://www.pdawiki.com/forum/fo ... 6545&fromuid=174481)1 n6 P1 S, G& B9 ?/ s( H. F G
' R1 t( n9 Y: T8 v- m! z
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 J: W, ^) G3 f' Z3 f
: A8 k$ u% K; U3 a2 G
1 y l2 S% `8 u! l 4. 校对:
4 D5 @ D0 T1 e; e* W* R* x" ^ 列表式样, 与主窗口同步更新文本框内容, 也高亮匹配提示
+ F5 C% E S8 U0 {+ i! T: p% ?. a
5. 其他:
& t( l6 k! X% R9 M! [; v+ A (1) 配置文件保存、导入: q$ W' n3 G* A5 s* T# P
(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 B+ `8 I* n+ {
(3) 最重要的还是要人工校对!!!!$ w. x8 I) \* r: w4 G
(4) 高度自定义参数设置
6 q" G* ~6 K- ~" c4 ~+ \------------------------------------------------------------------------. m5 q, F5 _8 F! d5 c4 }
如题,放个图:
$ p) K2 h$ d5 \ {8 `6 v3 d" s8 S( k9 j4 {* h
2 l2 x* Q8 y2 n: m X2 }: C$ c. J
) }9 H8 P6 y7 v" h9 \0 {+ Y( D
/ {) T( s! U% G4 J. f" a截图内的词条文字为OCR结果
2 C' F/ I9 W! {$ a% W0 S; ~! o7 O* q: p- C$ A
( ?9 ?& `' s5 w4 k2 R
& R) ^! l& A3 W4 c0 w/ f) W$ E$ M
----------------------------20181130更新:
! o/ i1 j$ u8 V2 B' d8 M+ `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 Y) f3 [3 i7 b7 ~5 X h+ T% X----------------------------% I: o6 h$ ~' L& T n9 Q w1 X) x0 p
20180809更新:, y% R6 }! I8 i: F7 w4 A
插图画区域由之前的矩形升级为任意多边形; G, d+ C) W4 Z( r: J9 O
% J9 w# i& G7 `% t+ \" j
- f! c- w7 V" m----------------------------
' ]8 Q2 H5 s1 E; [* V- J: V20180614更新:6 x' i, x: Q, Z
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。
% S- {7 @/ \. ~3 _单击则替换当前校对文本框中的文本!+ L' S/ Z% o$ f6 q
不同颜色提示,方便定位!
( ~7 T0 W9 ~ A0 a. Q$ M
4 _0 c& @' ]: _' M9 e
; p/ A2 M& \; X& h2 T$ v
& I4 q9 V a3 I% A; X/ R----------------------------
/ G h; ^4 B+ k1 S" H2 G8 N20170314更新2:, F K2 C* r, _+ c u8 L" M
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:
$ [, F: U4 h* F3 I( g( L9 M- Y! L8 p) I
1 e3 g; o* [4 S+ K20170314更新:% W9 j4 E- x* S6 ?# M/ Z1 X
起始页-->终止页3 X/ F# B4 |, `& G. t% V! x8 h
[切图]-【词条整体切图】
+ ]6 ]- J6 ~& ~6 E! N0 z---> 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 A/ I/ P' [; ^: r- ~如果起始页和终止页为空,则导出当前页的词条切图
k4 h3 e0 e" O1 q' s3 S9 \0 X$ ~
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)2 j6 W; i4 T" [' N6 b
当前词条亮黄色,其他还是红色 K' K' S8 T0 {! x$ ?/ ]
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。
2 B: N5 F7 b5 S# n2 P; J& W" n) D( s% w6 G/ \
----------------------------" @3 c! r+ }, L( L0 c
20170313更新:) C/ v; ?! x* c$ u) @5 g N" A( c
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)+ P% H0 W/ R, d% Y5 \" C
【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】5 u+ C) E0 H6 N. b$ k, k
----------------------------
4 i1 v: n( n3 ^- p" t) V9 Q20170217更新:& U, c% d/ V; j+ V$ L! h* F6 _ ^
1. 画线判断的方法改进(2种方法均改进): ^" E! J6 v+ h2 S# W+ r1 d2 T. A) T
----------------------------
9 _8 w$ j1 W( {$ c7 H0 y$ @, I) j20170115更新:
$ P; T+ Z5 T" J8 ?1. tessdata 的完整语言列表,具体语言移步【https://github.com/tesseract-ocr/tessdata】下载
8 \# i2 l" C, @( X2. 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) o2 X/ h' ]% e8 h
----------------------------( S; t0 u* w+ k' Y* a/ F5 ]
20161119更新:
2 \2 d* _. e# O& `0 i; x1.修复保存坐标数据时的bug5 F5 F" t. K& Z0 z8 y# h( i2 M f9 F
2.修复单词整体导出页面的一个bug
4 u# J9 T9 S0 A$ i; W7 Z3.增加功能: 选定范围页面的批量导入词条
! t7 J2 G6 M1 S2 {4.增加功能: 快速查找定位索引8 k5 F" ?9 q/ o3 N! z- j
----------------------------
2 S4 o7 e+ _9 D1 p20161123更新:
$ p1 C' k `' @( ] Q- }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。
4 k; a: b m8 r1 ]* Y8 h9 h" a& f8 i: ^( y
- 问题:页面是否有词条?
8 z. @& d" j" H, p$ W: q - 1. NO --> 直接导出和栏数一致的大切图 (标记为上页末词条续)
- |! t( ~& g! h* [5 ^ - 2. YES -->
. x: U5 a: S# u ^3 k - (1) 确定0号词条所在栏:1 _2 R" r5 }( m
- --> 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)
! ? X2 ]0 f6 ] a) B- u - --> 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)
9 V* s% _' V8 f/ J* l K - (2) 次数为所有词条数目的循环:
) t. D4 Q. w6 ~ e0 I4 C5 k - A. 若: 当前为最后一个词条 --> 确定高度8 A6 Z: o4 M' o q& Q9 u+ w S
- B. 否则:( S, m7 V5 P1 V- ]3 e
- a. 下一个词条在下一栏 --> 确定高度+ i, P* @7 S6 D
- --> 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)
# b2 [& }* d6 f/ I0 V5 F - b. 下一个词条在同一栏 --> 确定高度
_5 R* Y" j z% B' D' R
8 _+ }! }: X7 k7 Z" Q; u- --> 导出每个词条的切图
* ?( \3 H" f% E
3 z) O) |' }3 m1 e. n- (3) 确定最后一个词条所在栏:
* k- g& P! w* C4 e - --> 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 / c- D1 t2 Y* p' y5 I
) t3 o( x. N+ A1 K0 ]; `. |重要更新:' i1 Y/ E! U3 p6 K1 q
1. 词条整体切图模块重写
3 s) p$ t0 \. Z+ x2. 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】
; k8 b. D) {: S( u5 Q
. q8 p/ P, j5 {$ @& o
- E0 ^! s5 e1 c5 Q% ?1 j- Z
, m; B! Z9 l; m% Q) e5 k W. Z2016.11.28
. z9 v# v/ N9 m9 E& @! y3 ^/ \/ z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)9 h1 p$ j( b4 H; o1 ]4 G! K/ m
; P# W$ @5 g0 o% ` |
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
-
|