tesseract训练字库

tesseract 训练字库先做两个准备工作

1.下载工具cowboxer

http://download.csdn.net/detail/cxf7394373/5305519

2. 下载tesseract-ocr.exe

https://code.google.com/p/tesseract-ocr/downloads/list

3. 安装tessract-ocr

我直接安装在了D:\\下面

现在可以开始了，训练步骤包括以下几步：

1. 识别图片

打开cmd，cd 至D:\\tesseract\\下面，拷贝一张图片1.tif至该目录下，执行下面的命令

tesseract  1.tif 1 –l chi_sim batch.nochopmakebox

2.在cowbox中调整方框大小

在D:\\tesseract\\下会生成一个文件1.box，用cowboxer工具打开1.box，会显示如下图的内容，纠正不正确的文字框，如果是中文，先输入拼音，所有修改完之后，保存。然后用记事本打开1.box，再改成汉字。

3. 训练字库，在这里是对两张图片进行了处理，也就是说这个工具可以把多张图片的字训练至一个字库中，过程如下：

tesseract  1.tif  1 nobatch box.train
tesseract  2.tif  2 nobatch box.train

training\unicharset_extractor 1.box 2.box 
training\mftraining  -U unicharset  -O test.unicharset 1.tr 2.tr
training\cntraining  1.tr  2.tr
rename normproto test.normproto
rename Microfeat test.Microfeat
rename inttemp test.inttemp
rename pffmtable test.pffmtable
..\training\combine_tessdata test. 

最后出现如下的结果，第 2,4,5,6，行出现非-1数字时说明生成了新的字库。