关于图片式轻小说的文字录入

电子芒果

　　大致看了一下论坛分区，不太清楚发在这里是否算作错区，如果有其他更合适的地方，烦劳版主帮忙移动。


　　本文内容是讲解如何将自己的轻小说录入成文本格式，当然你可以“手打”，不过一来速度有限，二来大部分人的拼音打快了容易出现错字，不如用软件读取，然后改错，这样反而往往比较方便。有些朋友不想直接看书打，有些直接扫描出图片分享。我觉得还是文本方式比较小，图片往往很大，字小了太费眼，图片大屏幕小，翻页什么的也很不方便，况且文本格式可以方便的让大家快速转载，文字也方便搜索收录，让更多人找得到，而且文字还很灵活，喜欢各种字体的朋友可以根据喜好调整，比图片强不少。


　　我自己没有大量尝试过使用软件，有这方面经验的朋友看到我讲的有什么不对或者补充，不妨跟个帖子给点意见。

　　这里打算抽空分几次，将我应用软件的一点经验分享一下。

第一讲：ＯＲＣ软件应用配合ＰＳ处理图片的技巧

关键词：orc软件
　　ＯＲＣ软件就是“识别图片上的文字”软件
　　我用的是“汉王文本王－专业版（文豪7600绿色简洁专业版小版）”。估计是汉王配合扫描仪的一款软件，识别方面还可以，对竖排的繁体文字支持的不错，这正是轻小说的主要形式。有兴趣的朋友可以找ＰＭ我要一份。

关键词：photoshop
　　这款软件是著名的图片处理软件，相信不少朋友经常用它。我推荐用ＰＳ（ＰＨＯＴＯＳＨＯＰ）来提升图片质量。网上我搜了一下，部分用ＯＲＣ的朋友也提出了这个概念，用ＰＳ把图片放大，让不易识别的文字更容易识别。

　　关于ＰＳ对ＯＲＣ识别图片的优化，特别是对轻小说的图片优化，我个人在应用方面有一些经验提供——
　　１、轻小说书页的图片有很多地方是相同的，比如每页的“页数”、扫描书脊的痕迹、书页周边的一些花纹和固定的文字等等，这些都有可能对识别带来问题，应该设法用白色覆盖，去掉其影响。
　　２、扫描质量模糊的，可以进行“锐化”处理。轻小说以黑白文字为主，扫描时，书面调整“色阶”能让白的地方更白，黑得地方更黑，是有效的去处杂色，加深文字的方法，是创造清晰的文字的最佳办法。
　　３、最简单的优化方法——就是放大图片。有的时候ＯＲＣ就像没戴老花镜的老太太，文字大了，它才分辨的清楚。
　　——关于放大图片再多说一点，你可以多凭自己的经验来判断到底是否要放大，起码我建议放大的不要太多。
　　放太大容易出现“拆字”现象。特别是上下结构的字。我们刚才也说了，轻小说原版扫图多是竖排繁体字，这样它往往会吧“章”这样的字拆成“立早”。字放得越大，这种可能性就相对越大。特别是在能够识别“手写体”的软件中，这类软件每个字的大小确认不一定是“固定”的，容易出现这类错误。
　　当然，如果放不大，识别的不好，例如西方人名中间的那个点——“·”这样的符号，也许会当作“杂色”不识别。（当然，这个问题不大，就算能够识别，繁体小说中间的“·”比我们用的要小的多，往往识别成英文的句号“.”了，最后你还要改成“·”。）

　　４、由于往往一部轻小说都是以相同的方式扫描，所以上两种操作在每一页处理时都差不多，你可以灵活运用ＰＳ的“动作”，来设定一组“动作”，达到批量处理图片的目的。这个能大大提高效率。

关键词：实践，初步设定。
　　下面，我拿汉王文本王来做个例子，讲一下扫描繁体竖排的初步设置。

　　安装等问题就不说了，进入软件后，首先将左上角的“一键ＯＫ”改为“打开识别”。将“扫描”改为“打开”。因为我们的图片一般都是需要ＰＳ处理的，处理完后再打开图片就可以了。
　　另外需要注意的是，ＰＳ处理图像的时候，如果图像是ＰＮＧ或ＧＩＦ的，一定要变成ＢＭＰ或者ＪＰＧ格式否则“文本王”不能读取（ＪＰＧ比较小一些，推荐）。
　　简体横排字默认设置即可，繁体竖排字要特别设置一下“繁简识别”。
　　识别完毕后，对于软件“智能”觉得识别的不好的字，会特别“标红”，但我建议你还是都读一次，因为很多东西识别的并不是很好，比如繁体的“亞”往往忽略了上下两横，识别成“中”了。
　　这个问题如果经常出现，你可以使用软件的“手写学习”功能，具体可以参阅软件帮助的“操作指南”中“文本王专业版”中的相关内容，这里就不赘述了。
　　识别软件肯定不是好的文字编辑软件，你编辑一个文字的时候，同时为了方便显示图片中该文字的样子，和一般编辑软件并不一样，模式大概相当于点了“ｉｎｓｅｒｔ”键后在电脑中输入文字的感觉，就是插入文字会覆盖后面的文字，这样是为了方便修改，用惯了就好。
　　修改完后，选中所有文本，然后选择“到出到ＷＯＲＤ”，可以进行繁简转换，顺便在ｗｏｒｄ中检查一下还有没有文法错误也是很好的。
　　我用的是ｗｏｒｄ２００７，选择导出后只把ＷＯＲＤ程序打开，然后显示错误，之后我新建了一个ＷＯＲＤ文档，全部文字选中再点才算成功导出。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
最后送个“彩蛋”：ＴＸＴ表格也很漂亮，把你做好的表格用ＯＲＣ软件“表格识别”一下，然后导出为ＴＸＴ文本，得到的ＴＸＴ表格文件，可以发到论坛来，呵呵。（当然，论坛显示的空格和文本中不同，最好用全角空格替换一次）
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝



　　至此，大致就完成了一页的录入，说起来麻烦，但用多了批量其实很快。大家有兴趣可以试试。

　　这次时间仓促，有一定ＰＳ基础的朋友比较容易理解，下次会做一段视频，详细讲解一下每步的操作步骤。

　　本人文字功底有限，这里分享的仅为个人的一点经验，算是原创，如果承蒙转载，不妨文前加一句“原产地／贪婪大陆论坛轻小说区（http://bbs2.greedland.net/forum_forumId85.html ）　文／电子芒果”

shenleihz

楼主原创的啊，不错不错，我来学习下，PS我一窍不通。

lpstest

原来还有这样的方法呀,长知识了

328871390

长见识了啊，LZ自己写的么，很厉害捏

hkw120

不用这么麻烦了。试试这个吧。新科技ocr 简单易用
下面是华军的下载点
http://www.onlinedown.net/soft/266446.htm