康熙字頭自動切割程式

阿勤

前個帖子討論關於 舊康熙字頭PNG與SVG向量圖比較，我們正打算一一更新舊康熙字頭，順便逐一校對四萬七千餘個康熙字頭與unicode 13 的編碼。我們打算人工逐一的把康熙字頭剪下來，上周我與蓼汀花溆兄先試從收字較少的龠部及爻部開始人工剪圖，新舊字頭圖例子對照如下：


確實新字頭比舊字頭更美觀了，主要採用更清晰的武英殿版本做字頭切割。不過這種切割採用電腦人工切割方法，也不知要花費多少時間，故而一直想找尋是否可有一種自動切割字頭的方法？

找了好久，看了許多文字識别OCR、版面切割的文章，但一直没法實現。至到本月初，看到賢超師父推出OCR網站：《中文古籍OCR 》https://ocr.gj.cool/ 如獲至寶，於是乎趕緊找我的好友阿宏兄一起測試使用……



一試之下不得了，所有文字座標都能檢測得到，於是阿宏兄負責用C# 編寫前台程式，同時調用 中文古籍OCR API，《康熙字頭自動切割程式》就這么産生了。


程式用了約用14小時，掃描7738頁，把所有康熙字典幾百萬字都一一檢測做文字座標，同時程式過濾只取大字頭，并一一照字書排序，再補上所要的字圖尺寸。成果圖如下：



至此終於可以用程式自動切割，省了好多時間，《康熙字典》校對的後續工作又進一步了，特別感謝賢超師父推出OCR網站及好友阿宏兄、蓼汀花溆兄的幫忙。如果網友有意加入《康熙字典》校對義工，歡迎與我們聯絡。

蓼汀花溆

太好了！说说我的感受。我始终认为赠人玫瑰，手留余香，能为社会贡献是好的。但我人工切字等等，一天才做了大约10-20字，用除法一算，90000字也要大约900天，每天10个字，如果那一天没有机会做，便又延后一天了。以上的自动切字实在是大大增加了效率，实在是一大好消息。康熙字典的工作是一项温故知新的过程，回顾过去的心血，不但不过时，反而让我们的思想更加超前。举个例子，“龠”字本身第一撇的笔画更长，这让我们看见古人审美观的不同，这让我们反思，为何字形一定要左右对称呢？这样一来，既尊重了历史，也帮助我们跳开思想框框。
不要害怕自己时间不够所以不敢加入，我时间表也是满满地，挤一挤总会有时间的。

一苇呀

阿宏兄用C# 編寫的前台程式可否分享呢

阿勤

一苇呀 發表於 19-9-2021 05:44 PM
阿宏兄用C# 編寫的前台程式可否分享呢

不必急，機緣到了事情自然成。在機緣未到時，中文OCR編程大家仍需努力。

阿勤

切割程式再度升級，可以自動放大邊沿切割文字，讓切割康熙字頭更為完美，以《龠》部字頭為例，準確率幾乎已逹到100%，其他部首字也逹98%以上的準確率。

阿勤

有時切割時會上下左右不齊，為了更美觀端正，今日增强程式功能，自動做字體下邊水平對齊。