tesseract 是一个开源的文字检测工具,但是其语言包具有一定的共性,所以针对一些特定的情景并不能很好的满足需要所有此时就需要进行二次训练,针对该方式的训练字体使用的工具为jTessBoxEditorFX-2.0.1.zip,其训练过程如下:
1. 打开jTessBoxEditor。然后点tools->Merge TIFF,生成对应的文件并保存
2. 执行 tesseract chi_my.train.tif chi_my.train -l chi_sim batch.nochop makebox 该操作是为了生成对应的初选框,即以某个语言为基础进行修正。
3. 打开生成的box进行校正:
4. 执行tesseract chi_my.01.exp3.tif chi_my.01.exp3 nobatch box.train
5. 执行unicharset_extractor chi_my.01.exp3.box
6.执行echo chi_my 0 0 0 0 0’ > font_properties
# shapeclustering -F font_properties -U unicharset chi_my.01.exp3.tr
7.执行mftraining -F font_properties -U unicharset -O l chi_my.01.exp3.tr
8. 执行cntraining chi_my.01.exp3.tr
重命名[inttemp、pffmtable、normproto、shapetable]
命名格式为前面加上[lang]
9. combine_tessdata chi_my