使用tesseract-ocr识别验证码，tesseract-ocr语言库的训练方法

---

tesseract-ocr安装和使用

下载tesseract-ocr并安装。node下使用node-tesseract模块。
示例代码：

const tesseract = require('node-tesseract');

tesseract.process('./img/1.jpg', {
    l: 'x', // 语言
    psm: 1  // 识别程度
}, (err, text)=>{
    if(err){
        console.error(err);
    }else{
        console.log(text);
    }
});

tesseract-ocr语言库的训练

1.准备好验证码图片c.x.y，图片格式为tif或tiff，合并验证码图片。
2.生成box文件

tesseract c.x.y.tif c.x.y -l eng -psm 7 batch.nochop makebox

3.修改box文件（使用jTessBoxEditor工具，使用java虚拟机运行）
4.生成font_propertiesecho

echo fontyp 0 0 0 0 0 >font_properties

5.生成训练文件

tesseract c.x.y.tif c.x.y -l eng -psm 7 nobatch box.train

6.生成字符集文件

unicharset_extractor c.x.y.box

7.生成shape文件

shapeclustering -F font_properties -U unicharset -O c.unicharset c.x.y.tr

8.生成聚集字符特征文件

mftraining -F font_properties -U unicharset -O c.unicharset c.x.y.tr

9.生成字符正常化特征文件

cntraining c.x.y.tr

10.更名（normproto、inttemp、pffmtable、unicharset、shapetable改名为x.扩展名）
11.合并训练文件，生成fontyp.traineddata

combine_tessdata y.

Tesseract-OCR3.0语言库训练步骤
利用jTessBoxEditor工具进行Tesseract3.02.02样本训练