jTessBoxEditor工具安装和使用操作

 

一、jTessBoxEditor工具简单介绍

jTessBoxEditor工具是采用Tesseract的一款专业的orc样本识别训练软件，基于java开发而来，可以进行Tesseract样本训练，形成自己的语言库,提高图片文字的识别率和准确率。

 

二、安装步骤

2.1 运行环境：jTessBoxEditor.jar运行需要安装jre环境，需要确认自己电脑的jre版本在8.0版本。若是jre6.0,则运行train.bat时会提示找不到主函数，无法正常运行。（如果是已经安装最新版金证自动化测试平台的agent就可以跳过jre安装）

 

2.2 jdk-8u201-windows-x64.exe下载地址：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

2.3 jTessBoxEditor下载安装

A-官网下载地址：https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

B-百度云盘下载地址（jTessBoxEditor-2.2.0和jTessBoxEditorFX-2.2.0和中文库chi_sim.traineddata，其中任何一个都可以）：

链接：https://pan.baidu.com/s/1yjavV_EUwvmWSqbeKQUXgA
提取码：gxrd

！！！！这些都不需要安装，直接解压即可！！！！！！

C-如下图，在解压之后的目录下点击图中两个文件都可以启动

启动成功的界面：

三、 使用操作

操作步骤描述

必要操作文字说明：先制作图片→生成box文件→训字操作→制作新库

3.1 制作格式图片

如果使用工具制作box文件和库，该步骤可以忽略！

后续操作以如下图片为例：

 

图片目录：

图片内容：

3.2 根据图片产出box格式文件

 

操作见如下图片1,2,3,4,5,6操作:

Run操作后结果如下图：

Box文件打开内容如下：

！！！可以看到有几个字没有识别有误，下面就是手动矫正错误的地方！！！

 

3.2 训字操作详解

 1.打开jTessBoxEditor的如下界面：

2 点击“open”打开目标图片2.png，如下图：

3 点打开之后，界面如下：

4 开始矫正错误数据

4.1按上图选中错误“旧”字，然后单击“Box View”，结果如下图：

4.2

 

把错误的字矫正完后，如下图：

 Box文件如下图：

3.4 制作新库

制作新库操作操作如下图1，2,3,4,5,6：

注：新库的命名可以按标准格式命名，如下（此处演示就用num表示）：

文面命名格式[lang].[fontname].exp[num]

lang是语言，fontname是字体，num为自定义数字

 

 

输入结果如图：

在目标图片（box文件）同级目录下，会产生如上图展示的文件，我们的新库就在tessdata目录下，其余中间文件都是没用的可以删掉

新库如下：

然后把新库拷到Tesseract-OCR\tessdata目录下就可以使用了：

3.5 直接识别和训字后识别效果比对效果如下：

Python代码验证：

用jTessBoxEditor工具验证（用制作box文件操作步骤验证）：

A--识别语言选择用新库如下图（前提也必须把新库拷贝到你使用tesseract.exe对应的tessdata目录下）：

B-查看新的box文件就中数据，如下：

四  后续可以研究的内容

1. 如果合并训后的库，该工具好像不行，只能用cmd 命令（命令和复杂）；
2. 上述工作，其实也可以cmd命令完成，但是比较啰嗦，而且文件格式有一些特定要求；