tesseract、jTessBoxEditorFX训练数据实践

网上很多文章都总结的很好，这里就不做重复，只是简单的将步骤梳理
文章后面会有一个实例，来说明数据训练步骤

字库训练

下载jTessBoxEditorFX
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

文件名必须是如下格式：

[lang].[fontname].exp[num]

  

 

  
1
 

lang:语言名(训练生成的示为语言)
fontname:字体名
num:序号(无所谓)
于是可以得到一个命名为 num.peng.exp1.tif 的文件

1、准备样本图片，合并为.tif文件
jTessBoxEditorFX -> tools->merge tiff

2、生成.bok文件

tesseract num.peng.exp1.tif num.peng.exp1 batch.nochop makebox

  

 

  
1
 

3、字符矫正
jTessBoxEditorFX -> Box Editor->Open，num.peng.exp1.tif，调整校正

生成训练数据

示例假设有3个文件，tif文件

1、创建font_properties文件
文件内容为 ：

<fontname> <italic> <bold> <fixed> <serif> <fraktur>

# eg:
echo peng
  

 

  
1
  
2
  
3
 

文章来源: pengshiyu.blog.csdn.net，作者：彭世瑜，版权归原作者所有，如需转载，请联系作者。

原文链接：pengshiyu.blog.csdn.net/article/details/104398527