tesseract 训练数据基本步骤

unbunt 18.04 安装tesseract
jar 包：jTessBoxEditor　下载

1. 生成tif
jTessBoxEditor -> tools -> merge tif

2. 生成box 文件
tesseract chi_sfz.normal.exp0.tif chi_sfz.normal.exp0 -l chi_sim batch.nochop makebox

3. 使用jTessBoxEditor　矫正box

4. 训练：产生字符特征文件
tesseract chi_sfz.normal.exp0.tif chi_sfz.normal.exp0 -l chi_sim nobatch box.train

5. 计算字符集
unicharset_extractor chi_sfz.normal.exp0.box

6. 定义字体特征文件
font_properties
里面内容写入 normal 0 0 0 0 0 表示默认普通字体

7. 聚集字符特征
shapeclustering -F font_properties -U unicharset chi_sfz.normal.exp0.tr
mftraining -F font_properties -U unicharset -O chi_sfz.unicharset chi_sfz.normal.exp0.tr
cntraining chi_sfz.normal.exp0.tr

8.把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上normal
cp unicharset normal.unicharset
cp inttemp normal.inttemp
cp pffmtable normal.pffmtable
cp shapetable normal.shapetable
cp normproto normal.normproto

9. 合并数据
combine_tessdata normal.

10. 测试
tesseract c3.jpg r -l normal