Tesseract OCR数码管数字的样本训练

Tesseract默认情况下基本无法对LED数码管显示屏进行识别。但由于Tesseract具有样本机器学习训练的能力，因此可利用该技术实现Tesseract对LED数码管的OCR识别，这需要对图片进行预处理。

一、图像预处理

预处理步骤：
1）LED屏幕拍照，生成原始图像文件。
2）对图像灰度化处理。
3）对图像二值化处理。
4）对图像黑白反转。
5）按照实际需要的坐标和尺寸，对图像裁切去边，最终保留需要识别的部分。

以下是一个实际案例的处理过程。

拍照：

灰度化处理：

二值化处理：

黑白反转：

裁切去边后，按上下位置生成两张图片：

考虑小数点的影响，增加对0和5的识别，实际投入训练的是以下两张图片：

二、在jTessBoxEditorFX中进行样本训练

1、合并样本图片

执行train.bat启动jTessBoxEditorFX，选择菜单Tools->Merge TIFF执行图片合并，将上面两张图片文件合并为1个tif文件led.led_num.exp0.tif，关闭jTessBoxEditorFX。

合并后的文件命名格式有一定要求：
语法：[lang].[fontname].exp[num].tif
lang为语言名称，fontname为字体名称，num为序号，可自定义。

2、生成BOX文件

tesseract led.led_num.exp0.tif led.led_num.exp0 -l eng --psm 7 batch.nochop makebox

Tesseract Open Source OCR Engine vv4.0.0-beta.1.20180608 with Leptonica
Page 1
Page