猫眼-字体训练

工具

• JDK，jTessBoxEditor是运行在java环境上的
• jTessBoxEditor：下载链接http://down2.opdown.com:8019/opdown/jTessBoxEditor.zip，下载解压，双击train.bat

准备训练数据

两份字体文件的数字图像

操作步骤

​ Tools -> Merge TIFF

• 生成tif文件
  
  全选，点击打开
  
  tif文件的命名规范：

  [lang].[fontname].exp[num].tif 
  lang为语言名称，fontname为字体名称，num为序号
  

• 生成box文件

  进入tif文件所在目录，打开cmd，执行

  tesseract num.font.exp1.tif num.font.exp1 batch.nochop makebox
  

• 修改box

  点击Open，代开刚刚生成的tif文件，调整char的值
  

• 生成tr文件

  tesseract num.font.exp1.tif num.font.exp1 nobatch box.train
  

• 计算字符集

  unicharset_extractor num.font.exp1.box
  

  会产生一个unicharset文件

• 创建字体特征文件

  创建名为font_properties的文件，没有后缀，写入

  font 0 0 0 0 0
  

  表示普通字体

• 聚集字符特征

  shapeclustering -F font_properties -U unicharset num.font.exp1.tr
  

  mftraining -F font_properties -U unicharset -O unicharset num.font.exp1.tr
  

  cntraining num.font.exp1.tr
  

• 重命名文件

  将产生的五个文件shapetable，normproto，inttemp，pffmtable，unicharset加上前缀num

• 合并五个文件

  combine_tessdata num.
  
  

  会生成num.traineddata文件

到此，训练已完成，将生成的num.traineddata文件放在Tesseract-OCR的tessdata下，便可以用自己训练的字体库识别数字了

pytesseract.image_to_string(img, lang="num")