tess4j训练字库

Tessract训练中文字库
1 样本准备。图片格式转为.tif格式；
2 合并样本图片。用jTessBoxEditor工具，将所有的样本合并为一个或多个tif文件，文件名为chi.xikai.exp0.tif [lang].[font].exp[序号].tif;

3 生成box file文件。命令行：
tesseract.exe chi.xihei.exp19.tif chi.xihei.exp19 -l chi_sim batch.nochop makebox

4 文字矫正。用jTessBoxEditor工具将生成的box文件打开，对每个字符进行手动矫正；
5定义字体特征文件。在训练之前需要创建一个名称为font_properties.txt的字体特征文件，手工建立一个文件font_properties.txt，内容如：fontname 0 0 0 0 0
6聚集字符特征。
1)shapeclustering -F font_properties.txt -U unicharset chi.黑体.exp0.tr

2)mftraining -F font_properties.txt -U unicharset -0 chi.unicharset chi.黑体.exp0.tr

3）cntraining chi.黑体.exp0.tr

7把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上chi.

8执行combine_tessdata chi.

最后把生成的chi.traineddata放到tessdata目录。
OK！