Tesseract 中文字库训练

转自:http://www.cnblogs.com/chinaHunk/p/3930717.html

合并文件:http://m.blog.csdn.net/article/details?id=53018085

生成tiff文件(图片格式70dpi)----cd到自定义训练文件夹----命令行生成box----回到JTessBoxEditor-----open box---调整----命令行

mac安装 trac
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
brew cask install xquartz
brew install --with-training-tools tesseract  (brew uninstall tesseract)
//识别
tesseract 479.png result2 -l chi_sim
command


1、(.box)tesseract chi.font.exp0.tif chi.font.exp0 -l chi_sim batch.nochop makebox
2、(.tr)tesseract chi.font.exp0.tif chi.font.exp0 nobatch box.train
3、(unicharset)unicharset_extractor chi.font.exp0.box     如果合并加后面 chi.font.exp1.box
4、(.shapetable)shapeclustering -F font_properties -U unicharset chi.font.exp0.tr    如果合并加后面chi.font.exp1.tr ...

5、(.inttemp+.pffmtable)mftraining -F font_properties -U unicharset -O unicharset chi.font.exp0.tr 
6、(.normproto)cntraining chi.font.exp0.tr 

7、(.traineddata)combine_tessdata chi.

tesseract本地路径------  /usr/local/Cellar/tesseract

下载chi_sim.traindata字库
下载tesseract-ocr-setup-3.02.02.exe 
下载地址：http://code.google.com/p/tesseract-ocr/downloads/list
下载jTessBoxEditor用于修改box文件
下载地址：http://download.csdn.net/detail/a443475601/5896893 里面自带java运行库，安装后 然后启动命令行 java -jar jTessBoxEditor.jar即可打开

为了方便 tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言 fontname是字体 
比如我们要训练自定义字库 image 字体名MyFont
那么我们把tif文件重命名 image.MyFont.exp0.tif

下面开始训练字库：
1、tesseract image.MyFont.exp0.tif image.MyFont.exp0 -l chi_sim batch.nochop makebox
该步骤会生成一个image.MyFont.exp0.box文件
把tif文件和box文件放在同一目录，用jTessBoxEditor.jar打开tif文件，然后根据实际情况修改box文件 
2、tesseract image.MyFont.exp0.tif image.MyFont.exp0 nobatch box.train
该步骤生成一个image.MyFont.exp0.tr文件
3、unicharset_extractor image.MyFont.exp0.box
该步骤生成一个unicharset文件
4、新建一个font_properties文件
里面内容写入MyFont 0 0 0 0 0 表示默认普通字体
5、运行命令
shapeclustering -F font_properties -U unicharset image.MyFont.exp0.tr
mftraining -F font_properties -U unicharset -O image.unicharset image.MyFont.exp0.tr
cntraining image.MyFont.exp0.tr
6、把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上image.
7、执行combine_tessdata image.
然后把image.traineddata放到tessdata目录
8、用新的字库对图片进行分析
tesseract test.tif output -l image