cnocr训练_OCR词库训练生成步骤

1.将jpg文件转换为tif文件(tif文件名，例如：langyp.font.exp0.tif【jpg转换为tif可用工具jTessBoxEditor】)；

2.用tif文件生成box文件：执行

tesseract langyp.font.exp0.tif langyp.font.exp0 -l eng -psm 7 batch.nochop makebox 命令

3.点击jTessBoxEditor工具的Box Editor选项,点击下方的open选项,打开刚刚生成的langyp.font.exp0.tif文件；

同样,矫正后点击save,当所有样本图片都矫正了,这一步也就完成了。

4.生成font_properties文件(该文件没有后缀名)

在命令行执行:echo font 0 0 0 0 0 &gtfont_properties

5.生成.tr训练文件

在命令行执行: tesseract langyp.font.exp0.tif langyp.font.exp0 -l eng -psm 7 nobatch box.train

生成的文件：langyp.font.exp0.tr，langyp.font.exp0.txt

6.生成字符集文件

在命令行执行 : unicharset_extractor langyp.font.exp0.box

结果生成：unicharset文件

7.生成shape文件

在命令行执行 : shapeclustering -F font_properties -U unicharset -O langyp.unicharset langyp.font.exp0.tr

生成的文件：shapetable、langyp.unicharset

8.生成聚集字符