python文字识别 训练_Python3.x：pytesseract识别率提高（样本训练）

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