Google开源OCR项目Tesseract训练(自己训练的记录,未成功)

图像处理开发资料、图像处理开发需求、图像处理接私活挣零花钱,可以搜索公众号"qxsf321",并关注!
图像处理开发资料、图像处理开发需求、图像处理接私活挣零花钱,可以搜索公众号"qxsf321",并关注!
图像处理开发资料、图像处理开发需求、图像处理接私活挣零花钱,可以搜索公众号"qxsf321",并关注!

本文训练Tesseract用的方法主要参考文章 http://my.oschina.net/lixinspace/blog/60124 ,下面自写下自己的训练记录!

看懂本文需要上一篇博文(Google开源OCR项目Tesseract安装版在Windows下的使用测试记录)的基础!

一、

准备若干张待训练图片(我这里准备了10张),并全部转化为tif格式,我这里使用的转换软件是iSee,下载链接:http://pan.baidu.com/s/1pLrPmDd,具体使用方法如下图所示:

我准备的待训练图片(已转化为tif格式)下载链接:http://pan.baidu.com/s/1c2t74f2

二、下载jTessBoxEditor-1.0(下载链接 http://pan.baidu.com/s/1geRbgQ3),并使用这个工具把上面的10张待训练的tif图片合成为一张tif图片,合成的tif图片取名为orderNo04.tif。

注意:要运行jTessBoxEditor-1.0,需要安装Java Runtime Environment,版本为6.0以上,这里给大家“Java Runtime Environment-6.0.450.exe”的下载链接:http://pan.baidu.com/s/1nuQOUpV

相关操作截图如下:

三、把orderNo04.tif复制到Tesseract的安装目录Tesseract-OCR下。

四、在CMD窗口下运行下面的语句:

tesseract.exe orderNo04.tif orderNo04 batch.nochop makebox

上面语句运行后生成了orderNo04.box文件,里面存储了tesseract.exe的识别结果,包括每个识别区域的坐标,区域大小及识别出来的字符等...

若要用已经训练好的数据库来生成box文件,比如用中文识别数据库chi_tra.traineddata,就执行下面的语句:

tesseract.exe orderNo04.tif orderNo04 -l chi_tra batch.nochop makebox

五、利用jTessBoxEditor-1.0编辑box文件,如下图所示:

六、修改完成后,运行下面的语句:

tesseract.exe orderNo4.tif orderNo04 nobatch box.train

我就卡在这一部了,不管作何种尝试,就报下面的错误:

Cannot open input file: orderNo4.tif

明明orderNo4.tif是在文件夹Tesseract-OCR下面的,却说不能打开这个语言文件,真是够了!这个问题搞了两天,也搞不定,只好作罢,暂时放在这里,但愿以后能解决吧!

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页