• tesseract 训练


    下载chi_sim.traindata字库
    下载tesseract-ocr-setup-3.02.02.exe 
    下载地址:http://code.google.com/p/tesseract-ocr/downloads/list
    下载jTessBoxEditor用于修改box文件
    下载地址:http://download.csdn.net/detail/a443475601/5896893 里面自带java运行库,安装后 然后启动命令行 java -jar jTessBoxEditor.jar即可打开

    为了方便 tif文面命名格式[lang].[fontname].exp[num].tif
    lang是语言 fontname是字体 
    比如我们要训练自定义字库 image 字体名MyFont
    那么我们把tif文件重命名 image.MyFont.exp0.tif

    下面开始训练字库:
    1、tesseract image.MyFont.exp0.tif image.MyFont.exp0 -l chi_sim batch.nochop makebox
    该步骤会生成一个image.MyFont.exp0.box文件
    把tif文件和box文件放在同一目录,用jTessBoxEditor.jar打开tif文件,然后根据实际情况修改box文件 
    2、tesseract image.MyFont.exp0.tif image.MyFont.exp0 nobatch box.train
    该步骤生成一个image.MyFont.exp0.tr文件
    3、unicharset_extractor image.MyFont.exp0.box
    该步骤生成一个unicharset文件
    4、新建一个font_properties文件
    里面内容写入MyFont 0 0 0 0 0 表示默认普通字体
    5、运行命令
    shapeclustering -F font_properties -U unicharset image.MyFont.exp0.tr
    mftraining -F font_properties -U unicharset -O image.unicharset image.MyFont.exp0.tr
    cntraining image.MyFont.exp0.tr
    6、把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上image.
    7、执行combine_tessdata image.
    然后把image.traineddata放到tessdata目录
    8、用新的字库对图片进行分析
    tesseract test.tif output -l image

    =============

    转自 :  http://blog.csdn.net/a443475601/article/details/9854003

    每天一小步,人生一大步!Good luck~
  • 相关阅读:
    hdu 2014 青年歌手大奖赛_评委会打分
    java 图像灰度化与二值化
    hdu 2010
    如何搞定IE+google双内核的360浏览器表单自动回填兼容问题
    多预览小图焦点轮播插件lrtk
    多功能前台交互效果插件superSlide
    自适应标题延展线写法
    二级菜单延迟隐藏
    各种浏览器的Hack写法(chrome firefox ie等)
    jQuery treetable【表格多重折叠树功能及拖放表格子元素重新排列】
  • 原文地址:https://www.cnblogs.com/jkmiao/p/6518772.html
Copyright © 2020-2023  润新知