tesseract-ocr字库训练图文讲解

第一步合成图片集

你需要把使用jTessBoxEditor工具把你的训练素材及多张图片合并成一张tif格式的图片集

tesseract-ocr字库训练图文讲解_第1张图片

tesseract-ocr字库训练图文讲解_第2张图片

tesseract-ocr字库训练图文讲解_第3张图片

第二步  生成box文件

运行tesseract命令,tesseract mjorcen.normal.exp0.tif mjorcen.normal.exp0 batch.nochop makebox,生成box文件 ,

 

tesseract-ocr字库训练图文讲解_第4张图片

tesseract-ocr字库训练图文讲解_第5张图片

第三步 

用 jTessBoxEditor打开生成的图片集 mjorcen.normal.exp0.tif ,注意  mjorcen.normal.exp0.tif 与对应的box文件一定要和他处于同一个文件夹下,然后就可以开始调整了,调整完之后保存

tesseract-ocr字库训练图文讲解_第6张图片

第四步 训练

首先在目录下新建一个名字为“font_properties”的文本文件,并且输入文本  normal 0 0 0 0 0,表示非斜体,粗体的一般字体

执行  tesseract  mjorcen.normal.exp0.tif mjorcen.normal.exp0  nobatch box.train  进行测试训练

执行 unicharset_extractor mjorcen.normal.exp0.box  目录下生成一个名为unicharset的文件

接下来开始正式进行训练

1、执行  shapeclustering -F font_properties.txt -U unicharset mjorcen.normal.exp0.tr 

tesseract-ocr字库训练图文讲解_第7张图片

 

2 、执行 mftraining -F font_properties.txt -U unicharset -O unicharset mjorcen.normal.exp0.tr

 tesseract-ocr字库训练图文讲解_第8张图片

3  执行 cntraining mjorcen.normal.exp0.tr  

tesseract-ocr字库训练图文讲解_第9张图片

目录下会生成对应下列五个文件,在这五个文件前加上normal.进行重命名

tesseract-ocr字库训练图文讲解_第10张图片

tesseract-ocr字库训练图文讲解_第11张图片

 

4 执行 combine_tessdata normal.   合并五个文件,此时目录下的normal.traineddata 就是训练好的字库文件

第五步 测试字库

把normal.traineddata  复制到Tesseract-OCRt程序目录下的“tessdata”目录

在Tesseract-OCRt程序目录下执行  tesseract.exe mjorcen.normal.exp0.png out –l normal

out.txt文件中会保存你识别到的数据;

这个其实网上资料很多,但大都描述的不够详细和完整,这里我一步一步把使用tesseract-ocr 训练字库的方法和步骤进行了描述,亲测是没有问题。

 

转载于:https://www.cnblogs.com/dafanjoy/p/7566930.html

你可能感兴趣的:(tesseract-ocr字库训练图文讲解)