众所周知世界上有两种书写方向，横的和竖的。个人兴趣上偶尔会读一些竖排的扫描版书籍，感觉非常不习惯，于是就想着有没有这种重排扫描版书籍文字方向的软件……结果上网一看，tm居然没有。那就自己写一个吧。

纵书的文字怎么弄成横书的？理论上很简单，把每个字一个个重新横着放就行了。说得机械一点，就是把每个汉字顺时针旋转九十度，然后再把书页横过来看就行了。

关键是怎么把汉字顺时针旋转九十度。因为计算机是不认识纸页上”字“ 的概念的。不，OCR不行，不少扫描书籍分辨率感人，OCR没有人脑那种上下文脑补能力，实际效果一塌糊涂。

于是我想到了Kindle排版软件k2pdfopt的文本回流（reflow）技术，也就是把在不OCR的前提下，把每个文字切成块再处理，这就有点像强行把雕版印刷弄成活字印刷。

但是问题是在识别。微博上的Libre盖子也提到过他为了方便阅读电路设计图，用OpenCV和python做了一个旋转（英语和数字）文字方向180度的小工具。不过他没有放代码出来，于是我自己上网去找，发现还真有一个现成的用OpenCV的竖排古籍文字识别的side project可以借鉴。

我通读了一下代码，大体来说作者是用投影法，也就是计算x和y方向的像素权重。确定什么地方是文字，什么地方是空白的文字间隙。对于竖排文字呢，就是先纵向投影，确定两列文字间的分隔点，然后再把每一列单独拿出来横向投影，确定单字和单字之间的分割点。这样就能框定出每个汉字的区域。

这种算法虽然简单，但意外地很有效，不用上神经网络这种牛刀，而且效果比OpenCV自带的字块腐蚀/扩张算法要好得多（不会出现过度分割）；投影法对于不会互相交叉的印刷体文字效果很好。

好，那么这个切割算法怎么拿来干今天这件事呢？很简单，我需要增加的代码无非就是把识别到的每个文字字块（OpenCV里面叫做兴趣区域 ROI）切下来，都绕着中心点顺时针旋转90度，贴回页面的原来位置就行了。还tm别说，OpenCV就连旋转都要需要用上矩阵映射变换啥的，查代码示例花了我好久。

此外有一些预处理，比如先灰度再二值化，减小页面污渍的干扰。

写完代码之后跑了一下，参数调得不要太离谱的话，效果大概是这样的：

以及最后的转换效果是这样的：

很明显那些被错误旋转的书名号看起来很搞笑，不过总体效果还不赖。我这里还有一个早些时候测试日文书页处理的截图，当时还没加上图像二值化+正片叠底的部分，可以看到字块互相重叠就像是修正纸互相覆盖一样。但问题还是在于里面的标点符号

也就是说直角引号（「」和『』）之类，实际上是不能旋转的，不然会向上面这样横躺着非常难看。（我猜这个地方可能还要另外开一个线程来OCR，识别到类似的符号就针对性地不处理。）

当然这上面是很清晰的扫描版，实际上效果会差一些。比如同学发给我测试的古籍，令人发指的分辨率，加上墨渍干扰简直惨不忍睹：

…………

不展开讲了。

此外有一些参数需要操作者来自己调整，比如横向分割阈值。这个阈值太大了，会把”是“”吕“之类的字横切成两半，而这个参数太小的话又会把两个字识别成一个。我就把这个阈值参数叫做“吕切系数”了，类似地，还有”吅切系数“。这个参数可以通过命令行传入。这和有人热爱开手动挡的车一样，有一些可自己操控的东西是一种乐趣。

为了方便潜在的用户调整这些参数（人还是需要有点梦想的），我用wxpython的可视化UI 设计工具wxformbuilder给软件加上个简单的GUI，主要是可以调阈值并半实时预览了（和命令行版本一样，2~3秒的延迟），此外还写了py2exe的打包脚本，以及浪费一点时间把代码中有关二值化、图像叠合、旋转的部分——之前这部分是OpenCV处理——用PIL库重写了一遍，真的是浪费事件，发现PIL的速度反而没有OpenCV快！那我还是基于OpenCV版来改进程序吧……

上网搜索的时候一看，OpenCV 4都在2019年已经发布了，虽然python里面为了legacy 起见还是”import cv2“。OpenCV3和4有很多高大上看不懂的特性比如支持CUDA并行处理，还可以用OpenML加速啥的。不了不了我觉得还是不要碰这个领域……

虽然现在还是缓慢迭代期（图形化界面甚至还不能用），但总有一天会release的，对吧？（代码现在还没开源，等修得差不多了连同可执行文件一起放出来）

顺便一提这个工具目前叫做”Tateyoko“，也是日语里的”纵横“。我那饱读故纸堆的大学同学建议可以叫做”梨枣“，搜了一下，

“旧时刻书制版多用梨木或枣木，故以“梨枣”作书版的代称。

还挺有……内涵的？