一、准备工作
1、下载Tesseract-OCR引擎,注意要3.0以上才支持中文哦,按照提示安装就行。
2、下载chi_sim.traindata字库。要有这个才能识别中文。下好后,放到Tesseract-OCR项目的tessdata文件夹里面。
3、下载jTessBoxEditor,这个是用来训练字库的。
下载地址为:http://download.csdn.net/detail/lly_117/9839229里面自带Java运行库,安装配置Java环境后,双击打开 jTessBoxEditor.jar。
4、Tesseract-OCR引擎环境配置,将E:\Program Files (x86)\Tesseract-OCR;配置环境变量path中。
二、训练
1、将图片转换成tif格式,用于后面生成box文件,通过画图,另存为tif格式。
更改图片名字: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 mjorcen字体名me
那么我们把图片文件重命名 mjorcen.me.exp0.jpg在转tif。
2、生成box文件
在改文件中输入下面的命令行
tesseract mjorcen.me.exp0.jpg mjorcen.me.exp0 batch.nochop makebox
生成