Tesseract多样本合并训练测试

一、本目录下放有内容为“1234”的图片一张，分别分割成内容为“12”一张，“34”一张共两张图片，模拟Tesseract多样本合并测试 二、生成box文件： tesseract zh1.normal.exp0.jpg zh1.normal.exp0 -l zhuH batch.nochop makebox tesseract zh2.normal.exp0.jpg zh2.normal.exp0 -l zhuH batch.nochop makebox 三、打开jTessBoxEditor矫正错误并训练 四、训练 1、(生成训练文件) tesseract zh1.normal.exp0.tif zh1.normal.exp0 nobatch box.train tesseract zh2.normal.exp0.tif zh2.normal.exp0 nobatch box.train 2、从所有文件中提取字符 unicharset_extractor zh1.normal.exp0.box zh2.normal.exp0.box 3、生成特征文字 （echo 字体 0 0 0 0 0 >font_properties） echo normal 0 0 0 0 0 >font_properties 4、生成Shape文件 shapeclustering -F font_properties -U unicharset zh1.normal.exp0.tr zh2.normal.exp0.tr （特别注意这里不能写成如下两行，否则前面生成的shapetable文件会被后面的覆盖，导致识别不准） shapeclustering -F font_properties -U unicharset zh1.normal.exp0.tr shapeclustering -F font_properties -U unicharset zh2.normal.exp0.tr 5、生成字符特征文件： mftraining -F font_properties -U unicharset -O unicharset zh1.normal.exp0.tr zh2.normal.exp0.tr 6、聚集所有.tr 文件 cntraining zh1.normal.exp0.tr zh2.normal.exp0.tr 7、重命名文件，我把unicharset, inttemp, normproto, pfftable，shapetable 这几个文件加了前缀 zh. （自己定，随意,注意后面有一个.） rename normproto zh.normproto rename inttemp zh.inttemp rename pffmtable zh.pffmtable rename unicharset zh.unicharset rename shapetable zh.shapetable 8、合并所有文件 生成一个大的字库文件 combine_tessdata zh. 五、测试 1、把 zh.traineddata 复制到Tesseract-OCR 安装目录下的tessdata文件夹中   2、识别命令（识别1234.jpg文件试试）： tesseract 1234.jpg 1234 -l zh 3、打开生成的“1234.txt”文件可以看到识别出来的文字 1234 表示成功！ 特别感谢“虾眼猫”的部分提示建议！！