要想彻底搞清楚这款开源OCR软件的来龙去脉，还得看Google开源项目的说明：http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3，在这里我就不过多详细的说明了。
要训练一个新的语言（自定义语言或者某种自然语言都可以）对应的traineddata文件，需要产生下列过程文件：
• lang.config
• lang.unicharset
• lang.unicharambigs
• lang.inttemp
• lang.pffmtable
• lang.normproto
• lang.punc-dawg
• lang.word-dawg
• lang.number-dawg
• lang.freq-dawg
在这八个文件中，红色标示的是必须的，其他的文件可选。当这些文件都准备好之后，再使用combine_tessdata进行最后的合并工作，生成lang.traineddata ，这个文件就是最终训练出来语言库。下面再来说一下如何产生上述的文件：
1、获取一个训练图片（*.tif）
2、产生相应的Box文件（*.box）
tesseract lang.fontname.number.tif lang.fontname.number batch.nochop makebox
这一步产生对应的lang.fontname.number.box 文件。
编辑该Box文件，校正识别出来的字符，如果单个字符识别成了两个或者多个字符，则要将这些行进行合并。前两项坐标取最小值，后两项坐标取最大值。
3、产生字符特征文件（*.tr）
tesseract lang.fontname.number.tif lang.fontname.number nobatch box.train
这一步产生三个文件：
(1) tesseract.log记录该步骤执行结果；
(2) lang.fontname.number.txt；
(3) lang.fontname.number.tr为特征文件。
4、计算字符集（unicharset）
unicharset_extractor lang.fontname.number_1.box
这一步产生字符集文件unicharset。
5、聚集字符特征（inttemp、pffmtable、normproto）
mftraining -F font_properties -U unicharset lang.fontname.number_1.tr
3.01版本开始，修改为需要增加一个font_properties文件才可继续支持，格式为 字体 斜体(1|0) 粗体(1|0) <fixed>(1|0) 下划线(1|0) <fraktur>(1|0)
使用上一步产生的字符集文件unicharset，来生成当前新语言的字符集文件lang.unicharset。同时还会产生图形原型文件inttemp和每个字符所对应的字符特征数文件pffmtable。附带还会产生Microfeat文件，但是并没有用到该文件。
cntraining lang.fontname.number_1.tr
这一步产生字符形状正常化特征文件normproto。
6、产生字典文件（可选）
wordlist2dawg frequent_words_list lang.freq-dawg lang.unicharset
wordlist2dawg words_list lang.word-dawg lang.unicharset
frequent_words_list存放出现频率较高的字符；words_list存放所有字符集，至少一个字符。每个字符占一行。这样可以产生对应语言的字典文件了，共五个。
同样的方法产生punc-dawg文件（符号）、number-dawg文件（数字）以及user-words文件（用户自定义字符，通常为空）。
7、模糊字集校正文件（unicharambigs）（可选）
例如某unicharambigs文件内容如下：
2 ' ' 1 " 1
1 m 2 r n 0
3 i i i 1 m 0
每一行表示一条校正信息：第一个数字表示接下来有几个字符，第二个数字也表示后面跟有几个字符，最后一个数字表示校正动作的类型。
在这个例子中，第一行表示将连续的两个单引号（’）合并成一个双引号（”），最后的数字1表示强制转换；第二行、第三行表示一个字母m有可能被识别成两个字母’r’’n’，也有可能识别成连续三个字母’i’。
这个校正文件可以为空或者不存在。
8、合并训练文件（*.traineddata）
combine_tessdata lang.
这是最后一步，产生训练结果文件lang.traineddata。
注意这一步控制台执行的结果显示，有0-9项指示了文件的地址，这十个地址对应了文章前面所提到的十项所需要的文件。其中1、3、4、5这四项（从0开始排序）是必须的，缺少一项（显示为-1）都将不算成功。
9、测试
tesseract image.tif output -l lang
使用我们刚刚训练好的lang.traineddata文件来识别图形。识别出来的结果将会存放在output.txt文件中。
特别说明：
在训练的过程中，初次接触的人容易犯一些小错误，这些错误虽然小，但很可能让你陷入困惑和痛苦中。那位师妹就是因为小问题困惑不已才找我帮忙的。下面简单的罗列一下几点需要注意的地方：
（1）前面提到的lang可以被你想要的任何字符串代替，主要是为了给你训练的库取个名字(千万注意名字正确)。
（2）第二步产生的Box文件，需要手动修改，一定要以Unicode模式保存。修改的时候要注意方法和含义，详细的说明Google原文中有说明。
（3）第五步程序自动产生的文件是只有扩展名的，需要你自己手动将名字改成前缀一致。后面产生的可选文件也依照此法操作。
（4）所有的这些文件都准备好了之后，需要放到同一目录下，执行combine_tessdata进行合并的时候，注意要切换到文件所在的目录执行，否则将会报错，提示找不到文件。
（5）合并成功之后，要记得将训练好的文件（lang.traineddata）放到程序的tessdata子目录下，否则测试就会提示找不到语言库文件。
好了，到这里，基本上所有的问题都能解决了。
参考及主体转载自：http://hi.baidu.com/kuliuheng/blog/item/aae32d32216a9fcda2cc2ba1.html