Tesseract-OCR

使用 `jTessBoxEditor` 训练字库

1. 安装 `jTessBoxEditor`

官方网址
sourceforge
jTessBoxEditor-2.3.1.zip

2. 环境变量配置

此处省略，自行百度吧

制作训练样本

运行jTessBoxEditor工具，点击Tools
点击Merge TIFF。
文件类型选择All Image Files，选择样本图片，点击打开.
文件名输入num.font.exp0.tif，文件类型选择TIFF，点击保存。
点击确定。
生成Box File文件。打开cmd命令行，以管理员身份运行
执行命令
```
tesseract.exe num.font.exp0.tif num.font.exp0 batch.nochop makebox
```
生成的box文件为num.font.exp0.box，box文件为Tesseract识别出的字符及其坐标。
$\color{#FF0000}{注：Make Box File 文件名有一定的格式，不能随便乱取名字，命令格式为：}$
```
tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
```
其中lang为语言名称，fontname为字体名称，num为序号，可以随便定义。
将上一步生成的.box和.tif样本文件放在同一目录。
运行jTessBoxEditor工具，点击Box Editor。
点击Open。
选择之前生成的num.font.exp0.tif，点击打开。
这里必须修改识别错误的字符，否则做出来的traineddata文件也是错的。可以在下面的界面中修改并保存，也可以直接在traineddata文件中修改。
定义字体特征文件。创建一个名称为font_properties的字体特征文件。font_properties不含有BOM头，文件内容格式如下：
```
<fontname> <italic> <bold> <fixed> <serif> <fraktur>
```
其中fontname为字体名称，必须与[lang].[fontname].exp[num].box中的名称保持一致。\<italic> 、\<bold> 、\<fixed> 、\<serif>、 \<fraktur>的取值为1或0，表示字体是否具有这些属性。
这里在样本图片所在目录下创建一个名称为font_properties的文件，用记事本打开，输入以下下内容：
```
font 0 0 0 0 0
```
这里全取值为0，表示字体不是粗体、斜体等等。

生成语言文件。在样本图片所在目录下创建一个批处理文件，输入如下内容:

rem 执行改批处理前先要目录下创建font_properties文件 

echo Run Tesseract for Training.. 

tesseract.exe num.font.exp0.tif num.font.exp0 nobatch box.train 


echo Compute the Character Set.. 

unicharset_extractor.exe num.font.exp0.box 

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


echo Clustering.. 

cntraining.exe num.font.exp0.tr 


echo Rename Files.. 

rename normproto num.normproto 

rename inttemp num.inttemp 

rename pffmtable num.pffmtable 

rename shapetable num.shapetable  


echo Create Tessdata.. 

combine_tessdata.exe num.