mac上Tesseract3.04.01_2样本训练

安装tesseract

brew uninstall tesseract
brew install --with-training-tools tesseract

构建字符集

• 合并为tif
  tools-Merge Tiff
  保存为num.myfont.exp0.tif

• 生成box

tesseract num.myfont.exp0.tif num.myfont.exp0 -l eng -psm 7 batch.nochop makebox

• 使用jTessBoxEditor修改box文件

• 生产font_properties

echo myfont 0 0 0 0 0 >font_properties

• 生成训练文件

tesseract num.myfont.exp0.tif num.myfont.exp0 -l eng -psm 7 nobatch box.train

• 生成字符集文件

unicharset_extractor num.myfont.exp0.box

• 生成shape

shapeclustering -F font_properties -U unicharset -O myfont.unicharset num.myfont.exp0.tr

• 聚合字符特征文件

mftraining -F font_properties -U unicharset -O myfont.unicharset num.myfont.exp0.tr

• 正常化

cntraining num.myfont.exp0.tr

• 合并训练文件

cp normproto myfont.normproto
cp inttemp myfont.inttemp
cp pffmtable myfont.pffmtable
cp unicharset myfont.unicharset
cp shapetable myfont.shapetable
combine_tessdata myfont.

新增语言

brew list tesseract

查看tessdata位置

cp myfont.traineddata /usr/local/Cellar/tesseract/3.04.01_2/share/tessdata/
tesseract --list-langs

测试

tesseract 9606.tif output -l myfont -psm 7

doc

• jTessBoxEditor
• unicharset_extractor: command not found
• 利用jTessBoxEditor工具进行Tesseract3.02.02样本训练，提高验证码识别率
• 使用Tesseract-OCR训练文字识别记录
• 图像的灰度化原理和实现