20181130更新_自动画线+OCR+切图+校对 软件

chigre3

5 R8 b( j% r+ _$ D$ T
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
------------------------------------------------------------------------
3 ?; r4 S6 L/ `  ?1 q/ c: I" }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：
+ r* K# B' Y+ n' M: x　　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：
% l* l% O4 P+ k9 q　　　(1) 全部页面的 自动划线-->自动OCR
9 ~' |+ u4 Y+ _5 }2 _' H8 J　　　(2) 逐页校对划线和文本(可删可增)
0 b" z5 }- n/ v3 \& K, ]　　　(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
& a# Y- t8 A$ V% V0 p1 J0 c　　　 　 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
3 M9 P4 S- n  d7 Q& O------------------------------------------------------------------------
三、实现的功能：
( ^3 G- I! u$ g4 {2 \( ~　　1. 画线：
　　　(1) 自动分析页面 + 自动画线
/ s8 D& F; P- U5 G　　　(2) 手动模式定义页面 + 自动划线
: G. f5 k! ^2 C# z　　　(3) 鼠标右键单击修改单栏重新自动画线
) C  M2 c" [' M0 ?! T　　　以上均 + 鼠标左键单击增加画线, 文本框内快捷键`删除划线
# W5 {* |* d$ X+ p
7 F; H0 Q9 n3 Y" d7 B7 y' R　　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
. Q$ h' t3 M4 e! l: Z! f2 Q5 g3 _　　　(1) 导出文本：可外部编辑后导入, 避免OCR单个切图的不足
  z1 ~. r; L5 e  C　　　(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
, L1 i: `9 W6 Y, k& v4 p8 V  c1 `8 {　　　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
8 A" r  C% F9 }# r; L$ a6 J2 ~
　　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）
" z! S1 n8 |. S2 b5 B7 O* K- L- N( X　　　　（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
6 b: O6 \6 w- i  b( R4 S　　　　

　　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
+ w+ J# {5 L) @; P! @. {% Y
, d6 m+ ]& s; N" Z　　5. 其他：
" A3 b( X4 O  o　　　(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
9 k/ t+ ~+ W& v$ @* a% A3 v　　　(3) 最重要的还是要人工校对！！！！
, w' r3 \, q2 {( O2 `+ f( q! A* W　　　(4) 高度自定义参数设置
------------------------------------------------------------------------
如题，放个图：
6 j/ n0 u6 U7 x0 a; z3 G6 s3 a* r



截图内的词条文字为OCR结果

; V3 G! n! e$ u, {+ K2 \
& o8 L0 [; H$ [+ l' Q
----------------------------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！
& J; y$ @/ G$ u8 r0 |----------------------------
- X7 ]- J/ i* v* a20180809更新：
0 j  n+ y0 n; H5 [# \: _; @插图画区域由之前的矩形升级为任意多边形
2 }; L' O" O0 n) o2 m& s

3 F2 j* q9 O$ W7 E' a( d$ l----------------------------
20180614更新：
; ^6 q! J/ G/ r8 l) G) 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。
单击则替换当前校对文本框中的文本！
9 e7 R( ?4 o; P( k! f2 D不同颜色提示，方便定位！
, S6 |; {- e) o2 @


----------------------------
20170314更新2：
5 i9 f7 C# J9 y" m9 D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：
7 Y# k6 k# p# E  e' X4 d/ D

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）
0 q( E* H/ c. C) `' i8 J+ \如果起始页和终止页为空，则导出当前页的词条切图

$ C, K1 T* @; e0 ?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）
$ `% Y/ v- H1 v- G. v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。
" K4 J  ]8 \3 \) j
----------------------------
9 _6 P. C& a. {  n8 [5 J6 S! E20170313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）
0 P. g. O$ y$ ~1 T　　【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】
! P; U: K' p* z: [; c----------------------------
20170217更新：
: h+ o! g. O; d1. 画线判断的方法改进（2种方法均改进）
4 B: Q$ R, |1 x----------------------------
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）
+ R. }- X+ i- b  ~----------------------------
20161119更新：
, C8 b, S+ z' c5 X. ^8 I  p1.修复保存坐标数据时的bug
% I# _$ i; x. j! _2.修复单词整体导出页面的一个bug
7 s; i* P& b' P" a7 n! {6 h' x/ v3.增加功能: 选定范围页面的批量导入词条
6 I1 x, c% |/ B1 l4 d4.增加功能: 快速查找定位索引
----------------------------
3 k  x& {8 l% Y+ b20161123更新：
! L; K+ C, I; w( b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。
. F3 M! z* b5 X' @5 e

1. 问题：页面是否有词条？
   
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)
   
3. 2. YES -->
   % z6 U7 g- q  S2 E6 @* u
4. 　(1) 确定0号词条所在栏:
   
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)
   ( r0 u  S+ q4 {% b3 M9 I8 ~' H" Z8 R
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:
   4 P( b' g% M0 }3 c; P
8. 　　A. 若: 当前为最后一个词条 --> 确定高度
   # T1 }  M' _9 `+ H
9. 　　B. 否则:
   4 [0 [/ M1 P$ X/ m) A8 D1 X
10. 　　　a. 下一个词条在下一栏 --> 确定高度
    
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)
    - `( }8 B4 T4 _! \3 }% d
12. 　　　b. 下一个词条在同一栏 --> 确定高度
    
13. 
    6 S  S0 {: s) h. j1 k* ^
14. 　　--> 导出每个词条的切图
    ! x- C/ [: w! j, N
15. 
    
16. 　(3) 确定最后一个词条所在栏:
    $ r& v, D( w. v4 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

4 r, e, M) ?+ T  B* e, y
8 J2 `: ~9 @  i; q% t4 v! w: R# ~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】
6 ~5 f7 Q7 z4 ?  x3 Y. c

3 V. c5 [/ A) C% Y1 [; B2 l& K/ z
2016.11.28
' @, j: H. F3 [$ q, [& m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）

5 L5 j2 U  ]# P

szs6008

请问大神，软件在哪儿有下载啊

teresaiao

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 ...

) \5 Q7 O2 t2 M% |* u  \7 @( dPS 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

- O0 ^8 r) [" S9 L
6 i" [2 g/ \* b, `8 T4 c& ~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 W5 U2 ?* \5 S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~~~

8 F0 M& i/ ^. ^( S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：
; d. ?" @, F, A1. 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
* [1 P2 x. j% O" B  o6 A8 U2. 使用本软件进行：
, i& i9 }- w0 Y1 _: B- p$ n" c　(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)
4 P  ]8 R$ g9 Z5 T+ ^　(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

神器

zhu1234

逆天还是吊炸天了。。。。。

chigre3

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
2 R+ g7 i4 Z! a" b3 O. S7 F[向右倍率]: 1/1.0
; p$ N4 m6 {# B* q
. r" B+ u7 O4 f  B8 o0 s6 hOCR时：
[行间距离]: 10
) I& `. K9 k; K0 D[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 s) n- d6 `: e+ O
6 E. f! h, e0 {% _5 J) i# F" }

$ a. A/ C9 ~6 Y1 b

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：
----------------------------------------------------
7 V8 U8 Z. D4 T. w& Q* b; n ...

. u: I% U) n+ h8 t9 }1 E3 z: x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？

( q- S2 W# F& r所有图片统一修图 还有轻微歪斜能够画线
+ _& C9 [7 c2 |) v1 h$ X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
. e2 z5 o2 @# }. K9 s, y不规则形状不考虑
9 D4 r, c8 f# _+ q8 H* a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
" [0 _! q5 a1 R: Hhttps://www.pdawiki.com/forum/fo ... &fromuid=174481
(出处: 掌上百科)

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：
1 R" z) t$ `/ O) c% b2 _2 M因为切出的图片数目极多，目前想法是：
: V: e( W/ b- u& G( ^% T(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
- S5 w' ~% F; X; H, K+ g

chigre3

teresaiao 发表于 2017-2-1 01:58
  [% l- s: ?6 j& }8 p4 W8 A# X, r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?

* t* }" o+ F) K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
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

$ [2 K1 P  |8 h: Z6 i5 G" H

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  ...

如何才能固定