Tesseract文字训练,以及样本生成

最新推荐文章于 2025-02-21 11:09:49 发布

FishBear_move_on

最新推荐文章于 2025-02-21 11:09:49 发布

阅读量5.5k

点赞数 1

分类专栏：图像处理图片文字识别OCR 文章标签： tesseract-python jTessBoxEd PIL-文字图片文字图片样本生成

本文链接：https://blog.csdn.net/haluoluo211/article/details/77776831

版权

前面用做Tesseract做文字识别的时候，一般网上教程称使用jTessBoxEditor训练（最终我试验发现对于中文的图片文字识别而言训练基本没什么卵用）

当然使用jTessBoxEditor训练新的文字还是可以的，当时我发现jTessBoxEditor训练基本的配置文件基本是文字以及文字的坐标于是我使用python脚本生成了对应的训练图片以及配置文件。先上个图：
yahei_font2.box配置文件box的内容如下：
这里写图片描述

生成的配置文件如下：
这里写图片描述

下面贴出python代码，大致原理大家看下代码跑一下一个没什么问题：


# -*- coding: utf-8 -*-
from PIL import Image
from PIL import ImageFont
from PIL import ImageDraw
import os

CREATE_PATH = 'F:/img_test/create_train_image/'
WIDTH = 700
HEIGHT = 900
# 正常字体的大小
# FONT_SIZE = 40
# FONT_SIZE = 16
# FONT_SIZE = 20
FONT_SIZE = 25
FONT_SIZE = 36
FONT_SIZE = 45
# 空格的大小，换行的时候也是要大小的不然，两行的距离太紧
FONT_BLANK_SIZE = 10
BEG_POINT = 5
BLACK_COLOR = 0 + 0 * 256 + 0 * 256 * 256

FONT_TYPE = 'C:\Windows\Fonts\FZSTK.TTF'  # 方正舒体
# FONT_TYPE = 'C:\Windows\Fonts\simsun.ttc'  # 常规简体   done 16 25
# FONT_TYPE = 'C:\Windows\Fonts\simhei.TTF'  # heiti     done 16 25
FONT_TYPE = 'C:\Windows\Fonts\STHUPO.TTF'  # 实心黑粗体  字体太大不好看有些字显示不正常
FONT_TYPE = 'C:\Windows\Fonts\simkai.TTF'  # 楷体 常规    done 16 25
FONT_TYPE = 'C:\Windows\Fonts\simfang.TTF'  # 仿宋 常规 常规  done

最低0.47元/天解锁文章