Update 3mergeDialogToVideo.py

3mergeDialogToVideo.py

@@ -43,7 +43,7 @@ def get_image_copywrite(image_path:"图片路径(包含后缀)",dialog_cut_path:
             if cur_dialog_texts is not None:
                 for dialog_text in cur_dialog_texts:
                     dialog_texts += dialog_text
-                    dialog_texts += '\n'
+                    #因为已经在数组中加入了\n 换行,这里就不用加了
             else:
                 print(dialog_img_path+"识别是空-可能是有问题")
         return dialog_texts
@@ -97,19 +97,25 @@ def get_sorted_dialog_text(image_path:"包含后缀的文件路径")->"返回排
         # 按照中心点的坐标从右往左，从上往下的顺序对文本框坐标进行排序
         sorted_indices = sorted(range(len(centers)), key=lambda i: (-centers[i][0], centers[i][1]))
 
-        # 获取排序后的文本框坐标和对应的文字
+       # 获取排序后的文本框坐标和对应的文字
         sorted_coordinates = [boxCoordinates[i] for i in sorted_indices]
         sorted_text = [boxInfo['Text'][str(i)] for i in sorted_indices]
 
-        # 根据x方向偏差要求重新排序同一列的文本框
+        # 根据x方向偏差对小于1/3宽度之间的不同文本框进行重排
         for i in range(len(sorted_indices) - 1):
             if centers[sorted_indices[i]][0] - centers[sorted_indices[i+1]][0] < (sorted_coordinates[i][2][0] - sorted_coordinates[i][0][0]) / 3:
                 if sorted_coordinates[i][0][1] > sorted_coordinates[i+1][2][1]:
+                    #if这里看y轴了
                     sorted_indices[i], sorted_indices[i+1] = sorted_indices[i+1], sorted_indices[i]
 
-        sorted_coordinates = [boxCoordinates[i] for i in sorted_indices]
-        sorted_text = [boxInfo['Text'][str(i)] for i in sorted_indices]
+        # 根据x方向和文本框宽度对大于一个标准宽度之间的不同文本框断句
+        for i in range(len(sorted_indices) - 1):
+            if centers[sorted_indices[i]][0] - centers[sorted_indices[i + 1]][0] > (
+                    sorted_coordinates[i][2][0] - sorted_coordinates[i][0][0]) * 1.5:
+                # 如果相邻文本框的横坐标距离大于一个标准宽度的2/3，进行断句
+                sorted_text[i] += '\n'
 
+        sorted_coordinates = [boxCoordinates[i] for i in sorted_indices]
         print(sorted_coordinates)
         print(sorted_text)
         return sorted_text
@@ -262,7 +268,7 @@ if __name__ == '__main__':
 
         ##获取当前图片对应的对话框识别文字(还需gpt处理后作为字幕文案)
         cur_copywrite = get_image_copywrite(image_file,dialog_img_path)  # image_file就是6.jpg了
-        cur_copywrite = gpt_polish(cur_copywrite)
+        #cur_copywrite = gpt_polish(cur_copywrite)#不用gpt，只用新版漫画块得到的100%识别原文即可