tesseract-OCR字库训练

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