个人博客
下载Tesseract
https://github.com/UB-Mannheim/tesseract/wiki
下载jTessBoxEditor
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/jTessBoxEditor-2.3.1.zip/download
安装Tesseract
一路Next,在选择组件界面,全选所有组件
安装jTessBoxEditor
解压后,直接运行jTessBoxEditor.jar
制作训练样本
运行jTessBoxEditor工具,点击Tools-Merge TIFF,选择需要合并的tif文件,保存文件名称格式:[lang].[fontname].exp[num],如zh.song.exp0
生成Box文件
进入Tesseract安装目录
tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
[lang].[fontname].exp[num].tif 即为上面生成的合并文件
[lang].[fontname].exp[num]为新生成的box文件,文件名为输入文件名称一致
校正box文件
将上面两步生成的.tif和.box文件放在同一目录下,jTessBoxEditor软件中选择Box Editor,open,选择之前的tif文件,打开后可以校正结果后保存。
创建 font_properties 文件
文件内容:
<fontname> <italic> <bold> <fixed> <serif> <fraktur>
如
song 0 0 0 0 0
生成字符特征文件
新建bat文件
rem 产生字符特征文件
tesseract zh.song.exp0.tif zh.song.exp0.tif box.train
rem 计算字符集
unicharset_extractor zh.song.exp0.box
rem 聚集字符特征
mftraining -F font_properties -U unicharset -O zh.unicharset zh.song.exp0.tr
rem 生成字符形状正常化特征文件
cntraining zh.song.exp0.tr
rem 文件重命名
ren shapetable zh.shapetable
ren normproto zh.normproto
ren inttemp zh.inttemp
ren pffmtable zh.pffmtable
rem 生成tessdata文件
combine_tessdata zh.
pause
执行bat文件,即可生成zh.traineddata。