tess4j 训练_文本识别手写文字tesseract训练

由于tesseract的中文语言包“chi_sim”对中文手写字体或者环境比较复杂的图片，识别正确率不高，因此需要针对特定情况用自己的样本进行训练，提高识别率，通过训练，也可以形成自己的语言库。

对其他语言库有兴趣的：https://github.com/tesseract-ocr/tessdata

mac安装：brew install tesseract

1.前期准备工作：

  1.  安装  jdk1.8或以上    配置jdk环境变量

  2.  安装 tesseract-ocr 4.0

下载地址：https://digi.bib.uni-mannheim.de/tesseract/

  配置环境变量：系统变量path添加 C:\Program Files (x86)\Tesseract-OCR;  D:\Tesseract-OCR(对应自己的tesseract安装目录)

  3.  jTessBoxEditor2.0工具，用于调整图片上文字的内容和位置，

下载地址：https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

安装包解压后双击里边的“jTessBoxEditor.jar”，或者双击该目录下的“train.bat”脚本文件，就可以打开该工具了。

4.准备Tess4J-3.4.8   下载：https://sourceforge.net/projects/tess4j/files/tess4j/

解压即可得到  tessdata训练库(后面自定义的语言库会用到)

2.样本图片准备：(进行训练的样本图片数量越多越好)

这里只准备2种不同字体样本进行测试：