Tess4J字庫訓練
- 首先準備好你的圖片
- 使用VietOCR或者jTessBoxEditorFX生成tif文件
找到你的VietOCR或者jTessBoxEditorFX目錄子姜，雙擊
.bat文件運行
強調(diào)一下文件格式
- 格式：
[語言].[名稱].exp[數(shù)字].tif-
[語言]必須是在Tesseract-OCR/tessdata目錄下存在的帅刊，當它生成tif文件會用這里面的語言包去識別，所以你要確保你的語言前綴是正確的养筒！ -
[名稱]是你自定義的名稱讲坎，整個訓練完成后這就是你自己的語言包前綴啦祭埂！ -
[數(shù)字]隨便帶一個1就行叶撒，沒什么用紊搪，不過你可以當作你的版本號做個標識。
-
然后繼續(xù)
- 生成
.box文件
例如：tesseract .\eng.jxbocr.exp1.tif .\eng.jxbocr.exp1 -l jxbocr batch.nochop makebox
然后矯正你的字符：
矯正完畢后切記１目瘛Ｊ睦椤朋贬！要保存？ā！點那個save按鈕＝跄肌０谕汀！
[00]生成
.tr文件
格式：tesseract [fileName.tif] [fileName] nobatch box.train
例如：tesseract eng.jxbocr.exp1.tif eng.jxbocr.exp1 nobatch box.train
注意：第一個是要執(zhí)行的文件eng.jxbocr.exp1.tif第二個是要生成的.tr文件名稱糠亩，必須和要執(zhí)行的文件名稱保持一致虐骑，但是后綴不加，比如上面我的第二個參數(shù)eng.jxbocr.exp1赎线。
[01]生成
unicharset文件
格式：unicharset_extractor [文件名].box
例如：unicharset_extractor eng.jxbocr.exp1.box
[02]新建
font_properties.txt文件
寫入：jxbocr 0 0 0 0 0
表示：使用默認的字體廷没，然后保存這個文本呢
注意：jxbocr是你上面文件名eng.jxbocr.exp1.tif的第二個字段
[03]生成
shapetable文件
格式：shapeclustering -F font_properties.txt -U unicharset [文件名].tr
例如：shapeclustering -F font_properties.txt -U unicharset eng.jxbocr.exp1.tr
[04]生成
pffmtable和inttemp文件
格式：mftraining -F font_properties.txt -U unicharset -O unicharset [文件名].tr
例如：mftraining -F font_properties.txt -U unicharset -O unicharset eng.jxbocr.exp1.tr
[05]生成
normproto文件
格式：cntraining [文件名].tr
例如：cntraining eng.jxbocr.exp1.tr
[05]加上統(tǒng)一的前綴
前綴就是你的文件eng.jxbocr.exp1第二個字段jxbocr.，然后就是這個樣子：
[06]生成
traineddata文件
格式：combine_tessdata [第二字段]
例如：combine_tessdata jxbocr.
OK垂寥，訓練完成颠黎！把你的語言包放到Tesseract-OCR/tessdata目錄下另锋，然后你可以測試識別一下，嘿嘿狭归。
