Tesseract-OCR-04-使用 jTessBoxEditor 提高文字识别准确率

                       

本篇是关于 jTessBoxEditor 进行训练，使 Tesseract-OCR 文字识别准确率得到极大的提高，本篇完善了很多细节，初学者也可以看懂，一起学习吧！

Tesseract-OCR-使用 jTessBoxEditor 进行训练

• 训练的大致步骤：
• 安装jTessBoxEditor -> 获取样本文件 -> Merge样本文件 –> 生成BOX文件 -> 定义字符配置文件 -> 字符矫正 -> 执行批处理文件 -> 将生成的traineddata放入tessdata中

1.安装 jTessBoxEditor

• 下载jTessBoxEditor，地址https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
• 解压后得到jTessBoxEditor
  
• 由于这是由Java开发的，所以我们应该确保在运行jTessBoxEditor前先安装JRE（Java Runtime Environment，Java运行环境）
• 没有安装 jre 的可以到官网下载安装：
  http://www.oracle.com/technetwork/java/javase/downloads/jre8-downloads-2133155.html
  
• jre 安装就不仔细介绍了，因为能找到这篇的，基本都安装过了，下面介绍 jTessBoxEditor
• 但是呢，这个 jTessBoxEditor ，不用安装，直接解压就可以，单击解压到或者直接拉出来就可以了
  

2.获取样本文件

• 我们可以用画图工具绘制样本文件，数量越多越好，我自己画了 5 张图作为训练的数据，如图：
• 【注意】：样本图像文件格式必须为tif\tiff格式，否则在Merge样本文件的过程中会出现 Couldn’t Seek 的错误。
• 再转格式嫌麻烦就直接拿走我的：https://pan.baidu.com/s/1hoTkx