Python3.x:pytesseract识别率提高(样本训练)
1,下载并安装3.05版本的tesseract
2,如果你的训练素材是很多张非tif格式的图片,首先要做的事情就是将这么图片合并(个人觉得素材越多,基本每个字母和数字都覆盖了训练出来的识别率比较好)
下载这个工具:VietOCR.NET-3.3.zip
首先进行jpg,gif,bmp到tif的转换,这个用自带的画图就可以。然后使用VietOCR.NET-3.3进行多张 tif的merge。
3,Make Box Files。在orderNo.tif所在的目录下打开一个命令行,输入
C:\Program Files\Tesseract-OCR>tesseract.exe lang.jhy.exp8.TIF lang.jhy.exp8 batch.nochop makebox
4, 使用jTessBoxEditor打开orderNo.tif文件,需要记住的是第2步生成的orderNo.box要和这个orderNo.tif文件同在一个目录下。逐个校正文字,后保存。
下载jTessBoxEditor工具进行每个自的纠正(注意有nextpage逐页进行纠正)
5,Run Tesseract for Training。输入命令:
C:\Program Files\Tesseract-OCR>tesseract.exe lang.jhy.exp8.TIF lang.jhy.exp8 nob
atch box.train
6,Compute the Character Set。输入命令:
C:\Program Files\Tesseract-OCR>unicharset_extra