Tessract训练样本字库

1. 下载jTessBoxEditor训练软件

可从网上下载或者以下链接
https://download.csdn.net/download/weixin_47142014/34862026?spm=1001.2014.3001.5503

2.下载后的文件夹

双击文件夹下的train.bat

3.样本图片准备（进行训练的样本图片越多越好）

4.使用jTessBoxEditor生成训练样本的的合并tif图片

1）首先打开jTessBoxEditor，菜单Tools->Merge TIFF，进入训练样本所在文件夹，选中要参与训练的样本图片（按住shift或ctrl键点击可多选）：

（2）选择图片后，点击打开，保存到当前路径，命名为“chi.test.exp0.tif”
tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言，fontname是字体，num为自定义数字。

5.生成.box文件：

打开命令行程序，进入到该文件夹下，输入一下命令

tesseract chi.test.exp0.tif zwp.test.exp0 -l chi_sim -psm 7 batch.nochop makebox

6.使用jTessBoxEditor改正样本图片的错误

Box Editor->Open 选择刚才生成的box文件，

7. 生成font_properties文件：

（1）执行命令，执行完之后，会在当前目录生成font_properties文件

echo test 0 0 0 0 0 >font_properties

（2）生成.tr训练文件:

tesseract chi.test.exp0.tif zwp.test.exp0 nobatch box.train

（3）生成字符集文件

unicharset_extractor chi.test.exp0.box

（4）生成shape文件：

shapeclustering -F font_properties -U unicharset -O chi.unicharset chi.test.exp0.tr

（5）生成聚字符特征文件：

mftraining -F font_properties -U unicharset -O chi.unicharset chi.test.exp0.tr

（6）生成字符正常化特征文件：

cntraining chi.test.exp0.tr

（7）文件重命名：

rename normproto chi.normproto
rename inttemp chi.inttemp
rename pffmtable chi.pffmtable
rename shapetable chi.shapetable

（8）合并训练文件：

combine_tessdata chi.

最后将生成的“chi.traineddata”语言包文件复制到Tesseract-OCR 安装目录下的tessdata文件夹中，就可以用了