tesseract系列（3） -- tesseract训练

tessract的训练有个工具叫 jTessBoxEditor

1、jTessBoxEditor是用java写的，首先要装java的环境

jdk-8u191-windows-x64.exe 这个我想从官网下载来的，但是一直失败，直接从搞java的同事那里要来的。

装完以后要配置一些环境变量:

系统环境变量  --》 path ---》新建

然后重启电脑。。。

2、安装jTessBoxEditor：

下载地址：https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

3、启动jTessBoxEditor：

双击显示：

然后进入tools 点击merge tif

如果你加入的模型是tif的格式，直接找到那个tif即可。

如果你加入的图片格式是png的，

修改加入的文件格式，点击打开会显示保存的界面，将文件保存为：num.font.exp0.tif 其中，num是你自己定义的，图片要保存到tesseract的目录下。

cmd进入tesseract目录，执行命令  tesseract.exe num.font.exp0.tif num.font.exp0 batch.nochop makebox

命令解析，

tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox

其中lang为语言名称，fontname为字体名称，num为序号，可以随便定义。

然后：

点击open打开上面保存的num.font.exp0.tif文件

这我的demo的一张图。

每一个char都要和左边的图相对应。如果不对应就一一修改，建议大家把这上面的所有的操作按钮都熟悉下再使用，其实很简单。

修改完以后点击save保存。

定义字体特征文件。创建一个名称为font_properties的字体特征文件。font_properties不含有BOM头，文件内容格式如下：

<fontname> <italic> <bold> <fixed> <serif> <fraktur>

其中fontname为字体名称，必须与[lang].[fontname].exp[num].box中的名称保持一致。<italic> 、<bold> 、<fixed> 、<serif>、 <fraktur>的取值为1或0，表示字体是否具有这些属性。

这里在样本图片所在目录下创建一个名称为font_properties的文件，用记事本打开，输入以下下内容：

font 0 0 0 0 0

这里全取值为0，表示字体不是粗体、斜体等等。

简单的说就是在tesseract的目录下新建一个font_properties,txt,然后写内容：   font 0 0 0 0 0

将下面命令保存成一个批处理的bat文件，放在tesseract的目录下，双击执行。

echo Run Tesseract for Training..

tesseract.exe num.font.exp0.tif num.font.exp0 nobatch box.train

echo Compute the Character Set..

unicharset_extractor.exe num.font.exp0.box

mftraining -F font_properties.txt -U unicharset -O num.unicharset num.font.exp0.tr

echo Clustering..

cntraining.exe num.font.exp0.tr

echo Rename Files..

rename normproto num.normproto

rename inttemp num.inttemp

rename pffmtable num.pffmtable

rename shapetable num.shapetable

echo Create Tessdata..

combine_tessdata.exe num.

pause

命令窗口会有一些错误，请看错误的解决办法：

传送门：https://www.cnblogs.com/132818Creator/p/11811841.html

something from：https://blog.csdn.net/sylsjane/article/details/83751297