發信人: maha <maha@tpts1.seed.net.tw>, 信區: BudaTech
標  題: 一個讓OCR如虎添翼的程式──PlusOcr
發信站: (NEWS/INFO) National Sun Yat-San University (Wed Feb 25 11:02:26 1998)
轉信站: Lion!ccnews.nsysu!news.nsysu!not-for-mail
來  源: buddha.nsysu.edu.tw

以下15封信件，是 Quiz（又名：天才的隔壁）與 maha 的對談，讓你一次
看個夠！

若對 PlusOcr 有興趣，可去函跟 Quiz 索取最新版本。

*****************************************************************

Subject: PlusOcr
   Date: Tue, 10 Feb 1998 00:54:14 +0800
   From: "Quiz" <ycc18@tcts.seed.net.tw>

您好：

末學寫了一個用來加強丹青的校對功能的程式。
可以用來在文稿校對時進行預校的功能。
此外可將丹青的影像區的字顯示到游標附近，以方便校對。
另外增加了兩個HotKey
[+] 鍵等於 4 個 [Down] 按鍵
[/] 鍵等於 [End]按鍵加上17個 [Up] 按鍵

所附的檔案中的參數適用於 800 * 600 下的丹青放到最大。
以及必須是直行的文件。

先寄給兩位玩玩。詳細的說明下次補上。

*****************************************************************

Subject: Re: PlusOcr
   Date: Tue, 10 Feb 1998 15:58:38 +0800
   From: maha <maha@tpts1.seed.net.tw>

Quiz wrote:
> 
> 您好：
> 
> 末學寫了一個用來加強丹青的校對功能的程式。
> 可以用來在文稿校對時進行預校的功能。
> 此外可將丹青的影像區的字顯示到游標附近，以方便校對。
> 另外增加了兩個HotKey
> [+] 鍵等於 4 個 [Down] 按鍵
> [/] 鍵等於 [End]按鍵加上17個 [Up] 按鍵
> 
> 所附的檔案中的參數適用於 800 * 600 下的丹青放到最大。
> 以及必須是直行的文件。
> 
> 先寄給兩位玩玩。詳細的說明下次補上。

玩了一下，不太好弄。暫且罷手，等你下回的詳細說明。

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 11 Feb 1998 09:38:24 +0800
   From: "Quiz" <ycc18@tcts.seed.net.tw>

您好：

>玩了一下，不太好弄。暫且罷手，等你下回的詳細說明。

這個程式只適用於V3.2版。2.0版我還沒測。
我的硬碟準備重新規劃。敬請稍待。

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 11 Feb 1998 11:00:28 +0800
   From: maha <maha@tpts1.seed.net.tw>

Quiz wrote:
> 
> 您好：
> 
> >玩了一下，不太好弄。暫且罷手，等你下回的詳細說明。
> 
> 這個程式只適用於V3.2版。2.0版我還沒測。
> 我的硬碟準備重新規劃。敬請稍待。

我正是用2.0版測的，難怪....

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 11 Feb 1998 15:03:56 +0800
   From: "Quiz" <ycc18@tcts.seed.net.tw>

Maha您好：

>我正是用2.0版測的，難怪....

適用丹青2.0版要等我裝好硬碟了。自從裝了ＩＥ4.0後。
我的丹青2.0版就失效了，重新安裝也沒用。

附上說明檔 ReadMe.arj 解壓後 ReadMe.doc 有將近9MB。
可在WordPad下觀看。

此外〔開始預校〕的功能，有時候要多按一次才會作用。
這個Bug我已改好，等2.0版的測好在一起寄。

此外在第一次您給的影像光碟中025目錄中的F430217.tif。
只掃描了一半。

關於這類的原始資料問題是要隨時跟您說還是，批次處理？

Quiz...〔佳節愉快〕

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 11 Feb 1998 17:01:53 +0800
   From: maha <maha@tpts1.seed.net.tw>

Quiz wrote:
> 
> Maha您好：
> 
> >我正是用2.0版測的，難怪....
> 
> 適用丹青2.0版要等我裝好硬碟了。自從裝了ＩＥ4.0後。
> 我的丹青2.0版就失效了，重新安裝也沒用。
> 
> 附上說明檔 ReadMe.arj 解壓後 ReadMe.doc 有將近9MB。
> 可在WordPad下觀看。

哇！是什麼好康的，這麼大。
 
> 此外〔開始預校〕的功能，有時候要多按一次才會作用。
> 這個Bug我已改好，等2.0版的測好在一起寄。

*****************************************************************

Subject: Re: PlusOcr
   Date: Fri, 13 Feb 1998 06:03:29 +0800
   From: maha <maha@tpts1.seed.net.tw>

Quiz wrote:

> 　　此外您覺得PLUSOCR要支援丹青2.0版嗎？

被您這麼一盯，趕快看過您精采的使用說明，再把丹青黃金
版安裝上，完完整整的玩了一遍 PLUSOCR。

底下幾個心得：

  1.你說有七個按鈕，我只看到六個，沒看到「存檔鈕」。

  2.在顯現圖形方面，我看在 2.0或黃金版都沒問題。但在
    取代字串上，2.0 版會出一些狀況，你在這裡稍微改一
    下應該就可以了。也就是說，for 2.0 專業版最好是弄
    出來給大家用。2.0 版的好處是可以一次處理多頁，這
    黃金版一次只能處理一頁。

  3.你這是為直行辨識量身訂做的，橫列辨識不能玩，對吧？

  4.最後告訴你，PLUSOCR 是一個非常非常棒的設計。我要
    儘快推銷給黃郁婷，她正在處理30冊大正藏；如果 for
    2.0 版的出來，也要推銷給「佛教藏ＯＣＲ小組」使用。

*****************************************************************

Subject: Re: PlusOcr
   Date: Mon, 16 Feb 1998 20:00:53 +0800
   From: "天才的隔壁" <ycc18@tcts.seed.net.tw>

  ....

　此外，並附上剛改好的PLUSOCR.arj，可以支援丹青2.0版。
　並改正當丹青最小化時，PlusOcr沒辦法正確作動。

　記得要去設定丹青的版本，選〔不具有剪貼功能〕。

　也就是丹青2.0版時，設定要選〔不具有剪貼功能〕。
　丹青3.2版時，設定要選〔具有剪貼功能〕。

　不過支援丹青2.0版的文稿預校速度不若支援3.2版時好。
　這也是莫可奈何囉。

　當要支援2.0版時，PlusOcr的〔存檔〕按鈕，不會顯示。
　所以只有六個按鈕。

　因為這個按鈕是為了丹青3.2版預設的存檔格式不是我們
　所要的格式。所以用這個按鈕來存檔。

　丹青2.0版直接就用它原來的存檔功能就行了。

　Quiz...〔我覺得還是3.2的好。如果有PlusOcr的話。:P〕

*****************************************************************

Subject: Re: PlusOcr
   Date: Tue, 17 Feb 1998 15:34:45 +0800
   From: maha <maha@tpts1.seed.net.tw>

天才的隔壁 wrote:
> 
> 　此外，並附上剛改好的PLUSOCR.arj，可以支援丹青2.0版。
> 　並改正當丹青最小化時，PlusOcr沒辦法正確作動。
> 
> 　記得要去設定丹青的版本，選〔不具有剪貼功能〕。

剛剛在丹青2.0發現「字串取代」的一些問題：

  1.第一次沒問題，但若再次設定新的替代字，再執行會出現問題。
  2.怎麼會自動存成文字檔呢？照道理不應該這樣。
  3.到最後，Plusocr 程式關不掉，得要強迫結束才行。

我覺得似乎是「鍵盤巨集」的設想有漏洞。

*****************************************************************

Subject: Re: PlusOcr
   Date: Tue, 17 Feb 1998 18:53:11 +0800
   From: "天才的隔壁" <ycc18@tcts.seed.net.tw>

您好：

>剛剛在丹青2.0發現「字串取代」的一些問題：
>  1.第一次沒問題，但若再次設定新的替代字，再執行會出現問題。

可能要請您說明詳細一點。最好舉例一下。
因為末學在使用自己寫的軟體時，可能會〔不知不覺〕地避開一些軟體
有Bug的地方。

>  2.怎麼會自動存成文字檔呢？照道理不應該這樣。

Sorry!這是在講哪裡ㄋㄟ？？！！

>  3.到最後，Plusocr 程式關不掉，得要強迫結束才行。

呵...這就是多工作業的好處。

>我覺得似乎是「鍵盤巨集」的設想有漏洞。

基本上，「鍵盤巨集」只能拿來當〔工具〕。

此外末學只寫了三個程式。各有其適用的特殊地方。
所以目前沒想說要整合起來。

這些是〔工具程式〕。用完就可以都丟了。

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 18 Feb 1998 08:20:28 +0800
   From: maha <maha@tpts1.seed.net.tw>

天才的隔壁 wrote:
> 
> 您好：
> 
> >剛剛在丹青2.0發現「字串取代」的一些問題：
> >  1.第一次沒問題，但若再次設定新的替代字，再執行會出現問題。
> 
> 可能要請您說明詳細一點。最好舉例一下。
> 因為末學在使用自己寫的軟體時，可能會〔不知不覺〕地避開一些軟體
> 有Bug的地方。
> 
> >  2.怎麼會自動存成文字檔呢？照道理不應該這樣。
> 
> Sorry!這是在講哪裡ㄋㄟ？？！！

附件test.tif，你試試看。

我在「字串設定」，第一次只設：@一＝QQQ，跑下來沒問題；
第二次再多設：@二＝WWW，它沒有去做預定的取代動作，卻問
我是否要取代原有的test.txt檔。

我是覺得它的鍵盤巨集，不知道是在哪個時候執行了丹青 2.0
的[檔案]/[儲存文字檔] ，所以才會產生一個test.txt檔。
 
> >  3.到最後，Plusocr 程式關不掉，得要強迫結束才行。
> 
> 呵...這就是多工作業的好處。
>
> >我覺得似乎是「鍵盤巨集」的設想有漏洞。
> 
> 基本上，「鍵盤巨集」只能拿來當〔工具〕。
> 
> 此外末學只寫了三個程式。各有其適用的特殊地方。
> 所以目前沒想說要整合起來。
> 
> 這些是〔工具程式〕。用完就可以都丟了。

這些都是你的智慧結晶，我們會用好久好久。

*****************************************************************

Subject: Re: PlusOcr
   Date: Wed, 18 Feb 1998 20:37:37 +0800
   From: "天才的隔壁" <ycc18@tcts.seed.net.tw>

您好：

>附件test.tif，你試試看。
>
>我在「字串設定」，第一次只設：@一＝QQQ，跑下來沒問題；
>第二次再多設：@二＝WWW，它沒有去做預定的取代動作，卻問
>我是否要取代原有的test.txt檔。
>
>我是覺得它的鍵盤巨集，不知道是在哪個時候執行了丹青 2.0
>的[檔案]/[儲存文字檔] ，所以才會產生一個test.txt檔。

您的觀察很正確。對於支援丹青2.0版時。PlusOcr必須透過存檔案
的方式來取得丹青目前正在校對的文字資料。

不過它是存到PlusOcr所在目錄，檔名為PreCheck.txt。
而且載入檔案後就馬上刪掉了。

由於末學實際跑了一下您說的狀況，好像沒問題。...^_^

開始預校的動作是這樣的。
0.鍵盤巨集 Alt+O  I  O 將丹青切換成〔覆寫〕的狀態
1.拷貝 "PreCheck.txt" 的名稱到剪貼簿(有另加上PlusOcr的路徑名稱)
2.鍵盤巨集 Alt+F   A  （另存新檔）
3.鍵盤巨集 Shift+Ins （把"PreCheck.Txt"輸入到對話盒中的檔名）
4.鍵盤巨集 Enter （把"PreCheck.Txt"執行另存新檔的動作）
5.把PreCheck.txt讀進來。

看了以上這鍋，您有沒有發現是哪裡會出問題。
（Sorry因為我這邊模擬不出您那裡的狀況）
（在上述的 0 2 3 4 的動作中不可以有任何人為的按鍵或滑鼠的按鈕動作。）

麻煩您想一下，假如沒發現問題點的話，請再把
1.PlusOcr所在目錄名稱
2.丹青所讀入的檔案名稱（含路徑的完整名稱）
3.丹青是2.0還是3.2
跟我說，我再模擬看看。

呵...這時候真希望有天眼通。

>這些都是你的智慧結晶，我們會用好久好久。

這樣講偶會不好意思啦。
不過您有沒有想過，用好久好久是否代表電子大藏經的生日???
我倒是希望不用太久。

*****************************************************************

Subject: Re: PlusOcr
   Date: Thu, 19 Feb 1998 02:40:00 +0800
   From: maha <maha@tpts1.seed.net.tw>

天才的隔壁 wrote:
> 
> 麻煩您想一下，假如沒發現問題點的話，請再把
> 1.PlusOcr所在目錄名稱
> 2.丹青所讀入的檔案名稱（含路徑的完整名稱）
> 3.丹青是2.0還是3.2
> 跟我說，我再模擬看看。
> 
> 呵...這時候真希望有天眼通。

1.將PlusOcr目錄置於 c:\windows\desktop 桌面上。
2.TEST.TIF 則放在 PlusOcr 目錄裡。
3.開啟丹青2.0專業版，讀入TEST.TIF，然後自動辨識，不使用學習字庫。
4.進入文稿校對時，執行PlusOcr，設定丹青版本為「不具有剪貼功能」。
5.按「字串設定」，清除原有設定，新設取代字串 @一＝QQQ，然後按「開
  始預校」。
6.我原先並沒有按「連接」鈕，但「開始預校」動作時，自動把「連接」
  鈕按了下去。
7.取代動作完成，確實把 @一＝QQQ 做好了。
8.這時查看PlusOcr目錄，尚未產生TEST.TXT文字檔。
9.再按「字串設定」，增加 @二＝WWW，然後按「開始預校」，沒反應。
10.這時查看PlusOcr目錄，已經產生TEST.TXT文字檔。
11.再按「開始預校」，系統問我是否取代既有之TEST.TXT文字檔。
12.若按「繼續預校」，系統也是問我是否取代既有之TEST.TXT檔案。
13.無法以結束鈕「Ｘ」關閉PlusOcr程式。

所以，問題是從第九步驟發生。這種情況，是不是說我們不能臨時增減字
串設定？步驟六似乎沒有必要，這樣會產生螢幕殘影。

再以3.2黃金版來試同樣情況，發現TEST.TIF被讀成黑底白字，轉換一下
TIF格式就可以辨識了。

黃金版的問題也發生在步驟九，當增加 @二＝WWW，然後按「開始預校」
，它掛住了，丹青「編輯」功能被拉了下來，掛在那裡動也不動。
這時查看PlusOcr目錄，並無產生任何新文字檔。
倒是，可以以結束鈕「Ｘ」關閉PlusOcr程式。

會不會是這樣，你說鍵盤巨集有一步驟是：

  拷貝 "PreCheck.txt" 的名稱到剪貼簿(有另加上PlusOcr的路徑名稱)
 
我在上述第五步驟有進行「複製、貼上」的動作，也就是說把「@一＝QQQ」
複製貼到下行，然後再修改成「@二＝WWW」，該不會是我這個動作干擾到
巨集的執行吧？

> >這些都是你的智慧結晶，我們會用好久好久。
> 
> 這樣講偶會不好意思啦。
> 不過您有沒有想過，用好久好久是否代表電子大藏經的生日???
> 我倒是希望不用太久。

電子大藏經，也許三、五年可以小成，但要玩它個十年、二十年
也是極有可能的。弄完了大正藏，還有續藏，還有....，誰叫佛
陀的智慧如此廣大深遠呢：）
 
*****************************************************************

Subject: Re: PlusOcr
   Date: Thu, 19 Feb 1998 14:54:32 +0800
   From: "天才的隔壁" <ycc18@tcts.seed.net.tw>

您好：

>1.將PlusOcr目錄置於 c:\windows\desktop 桌面上。
>2.TEST.TIF 則放在 PlusOcr 目錄裡。
>3.開啟丹青2.0專業版，讀入TEST.TIF，然後自動辨識，不使用學習字庫。
>4.進入文稿校對時，執行PlusOcr，設定丹青版本為「不具有剪貼功能」。
>5.按「字串設定」，清除原有設定，新設取代字串 @一＝QQQ，然後按「開
>  始預校」。
>6.我原先並沒有按「連接」鈕，但「開始預校」動作時，自動把「連接」
>  鈕按了下去。
>7.取代動作完成，確實把 @一＝QQQ 做好了。
>8.這時查看PlusOcr目錄，尚未產生TEST.TXT文字檔。
>9.再按「字串設定」，增加 @二＝WWW，然後按「開始預校」，沒反應。
>10.這時查看PlusOcr目錄，已經產生TEST.TXT文字檔。
>11.再按「開始預校」，系統問我是否取代既有之TEST.TXT文字檔。
>12.若按「繼續預校」，系統也是問我是否取代既有之TEST.TXT檔案。

這的確很奇怪。有可能是　Alt+F  A  的鍵盤巨集，本來是要〔另存新檔〕
結果第一次正常。
第二次變成〔儲存文字檔（Alt+F S）〕。---因此會儲存成　TEST.TXT。
　　　這時候PlusOcr一直在等著要開PreCheck.Txt但是根本沒有這檔案。
第三次還是變成〔儲存文字檔（Alt+F S）〕。因為先前已經有　TEST.TXT。
　　　所以丹青會問要不要取代現有的　TEST.TXT。

不過我這邊不會ㄚ。

>13.無法以結束鈕「Ｘ」關閉PlusOcr程式。

PlusOcr 一直在等著要開PreCheck.txt檔案。所以沒法結束。

>所以，問題是從第九步驟發生。這種情況，是不是說我們不能臨時增減字
>串設定？

設計上並沒有這種限制。事實上我這邊常常在〔臨時增減字串〕。

>步驟六似乎沒有必要，這樣會產生螢幕殘影。

殘影是沒辦法完全避免的。...因為丹青和PlusOcr有些動作要靠
計時的方式彼此配合。但是計時沒辦法很精確。還好這不會影響實際的資料。

>再以3.2黃金版來試同樣情況，發現TEST.TIF被讀成黑底白字，轉換一下
>TIF格式就可以辨識了。
>
>黃金版的問題也發生在步驟九，當增加 @二＝WWW，然後按「開始預校」
>，它掛住了，丹青「編輯」功能被拉了下來，掛在那裡動也不動。
>這時查看PlusOcr目錄，並無產生任何新文字檔。
>倒是，可以以結束鈕「Ｘ」關閉PlusOcr程式。
>
>會不會是這樣，你說鍵盤巨集有一步驟是：
>
>  拷貝 "PreCheck.txt" 的名稱到剪貼簿(有另加上PlusOcr的路徑名稱)
>
>我在上述第五步驟有進行「複製、貼上」的動作，也就是說把「@一＝QQQ」
>複製貼到下行，然後再修改成「@二＝WWW」，該不會是我這個動作干擾到
>巨集的執行吧？

不會的。看來問題是出在WINDOWS作業系統上面。
可能您的WINDOWS有另外掛了一些其他驅動程式。
這些驅動程式也跟鍵盤Hook。

我會試著把這個地方改成儘量不用鍵盤巨集。

請再等一下。目前先克難只用游標影像的功能吧。

>電子大藏經，也許三、五年可以小成，但要玩它個十年、二十年
>也是極有可能的。弄完了大正藏，還有續藏，還有....，誰叫佛
>陀的智慧如此廣大深遠呢：）

呵...別玩過頭了。

Quiz...〔我再改改看囉。有點像是在猜謎。〕

*****************************************************************

Subject: Re: PlusOcr
   Date: Sun, 22 Feb 1998 15:04:18 +0800
   From: "天才的隔壁" <ycc18@tcts.seed.net.tw>

您好：

>能否告訴我，你在使用Plusocr之後，對整個作業效率大約提昇若干？


我沒仔細評估，不過基本上我覺得在〔游標顯示影像字〕方面，對於
校對是蠻方便的，尤其對於校對的正確性。

〔預校〕的功能則大概每頁平均會幫我自動更正 ７ 個地方。

假如綜合起來看，丹青3.2的正確辨識，學習字庫，PlusOcr，掃描文件
的〔清潔度〕，去圈點程式。那麼目前的整體工作環境，我個人覺得
已經是很好很好了。

每頁平均約只有十多個地方需要人工更正，而且隨著預校的自動更正
字串設定增加，不久將來，對於大堆頭的經文，每頁需要人工更正的
地方會越來越少。

目前以我正在校對的大毗婆娑論來說，一卷（約7500字）平均大概要
一小時又20分鐘。

*****************************************************************