最近看到google的tesseract OCR 的文章,深感兴趣,就试了试具体实现方法。
如果要识别非常规范的字母和数字,直接使用自带的字库就足够;但是若要识别一些非规则或者手写的,就要训练自己的字库。
下面是我的一些步骤:
1、首先准备两个软件:
tesseract 3.02 下载:https://code.google.com/p/tesseract-ocr/downloads/list
jTessBoxEditor:http://vietocr.sourceforge.net/training.html
2、创建一个test文件夹,保存本次项目的所有文件。
将字库文件放到文件夹下,字库图片越多越好,最好是tif格式的,因为下面用到的jTessBoxEditor只能合并tif图片。
3、打开jTessBoxEditor软件选择tool->Merge,选择多张图片,确定,