利用jTessBoxEditor工具进行Tesseract3.02.02样本训练

参考自：

官方：https://github.com/tesseract-ocr/tesseract/wiki/Training-Tesseract-3.00%E2%80%933.02#bootstrapping-a-new-character-set
http://blog.csdn.net/why200981317/article/details/48265621
http://www.cnblogs.com/cnlian/p/5765871.html
http://www.cnblogs.com/zhongtang/p/5555950.html?utm_source=tuicool&utm_medium=referral
jTessBoxEditor下载地址：https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
这个工具是基于java虚拟机运行的，所以我们还要下载并安装一个java虚拟机
tesseract可以去我的资源页下载：http://download.csdn.net/detail/ss_s1gn/9810646

1.生成tif文件

将图片用画图打开，保存为tif格式。
注意：保存的文件名为：

2.生成box文件（需要安装tesseract）

在命令行进入存放tif文件的目录，输入：

tesseract lang.sign.img.tif lang.sign.img batch.nochop makebox

3.打开下载好的jTessBoxEditor，点击

4.点击Box Editor –>>open 打开以tif为扩展名的文件

5.用jTessBoxEditor打开前面的tiff=文件lang.sign.img1.tif，工具会自动加载对应的box文件。

需要删除点击delete
需要新增点击insert
需要切割点击split
如图，可对对应的字符进行修正，输入正确的字符，enter确定
最后不要忘了点击save保存（注意：我使用的时候，如果只是修改数据，save按钮不可点击，可以新增一条无用数据，再删除就可以保存了）

6.生成font_properties

在命令行输入：

echo sign 0 0 0 0 0 >font_properties

7.生成训练文件

在命令行输入：

tesseract lang.sign.img.tif lang.sign.img nobatch box.train

8.生成字符集文件

在命令行输入：

unicharset_extractor lang.sign.img.box

如果有多个，就在后面依次添加
eg：

unicharset_extractor lang.sign.img.box lang.sign.img1.box lang.sign.img2.box

9.生成shape文件

在命令行输入：

shapeclustering -F font_properties -U unicharset lang.sign.img.tr

注意：lang.unicharset 对应你的语言名称
如果有多个，就在后面依次添加
eg：

shapeclustering -F font_properties -U unicharset lang.sign.img.tr lang.sign.img1.tr lang.sign.img2.tr

10.生成聚集字符特征文件

mftraining -F font_properties -U unicharset -O lang.unicharset lang.sign.img.tr

注意：lang.unicharset 与上一部的lang.unicharset 对应
如果有多个，就在后面依次添加
eg：

mftraining -F font_properties -U unicharset -O lang.unicharset lang.sign.img.tr lang.sign.img1.tr lang.sign.img2.tr

11.生成字符正常化特征文件

在命令行输入：

cntraining lang.sign.img.tr

如果有多个，就在后面依次添加
eg：

cntraining lang.sign.img.tr lang.sign.img1.tr lang.sign.img2.tr

12.更名

rename normproto lang.normproto
rename inttemp lang.inttemp
rename pffmtable lang.pffmtable
rename unicharset lang.unicharset
rename shapetable lang.shapetable

13.合并训练文件

执行命令，生成lang.traineddata文件

combine_tessdata lang.

注意：命令行最后必须带一个点。

14.最后将lang.trainddata复制到Tesseract-OCR中tessdata文件夹即可

tesseract test.png output -l lang

lang就是根据我们生成的lang.traineddata去识别
也可以用google的eng.traineddata或其它库识别
在生成的output.txt查看扫描的结果

利用jTessBoxEditor工具进行Tesseract3.02.02样本训练相关推荐

jTessBoxEditor工具进行Tesseract3.02.02样本训练
1.背景前文已经简要介绍tesseract ocr引擎的安装及基本使用,其中提到使用-l eng参数来限定语言库,可以提高识别准确率及识别效率. 本文将针对某个网站的验证码进行样本训练,形成自己的语 ...
OpenCV3.2+VS2013+Tesseract3.02.02配置
分享一下Tesseract3.02.02版本在Windows下的配置.我的环境VS2013+win8 64bit+OpenCV3.2. 需要下载:tesseract-orc-setup-3.02.02 ...
02.机器学习样本评估与选择
02.机器学习样本评估与选择经验误差与过拟合精度=1-错误率=1-错误样本数/总样本数学习器的实际预测输出与样本的真实输出之间的差异称为"误差"(error),学习器在训练集 ...
ML之FE：基于自定义数据集(银行客户信息贷款和赔偿)对比实现特征衍生(手动设计新特征、利用featuretools工具实现自动特征生成)
ML之FE:基于自定义数据集(银行客户信息贷款和赔偿)对比实现特征衍生(手动设计新特征.利用featuretools工具实现自动特征生成) 目录基于自定义数据集(银行客户信息贷款和赔偿)对比实现特征 ...
ML之FE：基于自定义数据集(银行客户信息贷款和赔偿)对比实现特征衍生(手动设计新特征、利用featuretools工具实现自动构造特征/特征衍生)
ML之FE:基于自定义数据集(银行客户信息贷款和赔偿)对比实现特征衍生(手动设计新特征.利用featuretools工具实现自动构造特征/特征衍生) 目录基于自定义数据集(银行客户信息贷款和赔偿)对 ...
利用python实现深度学习生成对抗样本模型，为任一图片加扰动并恢复原像素的全流程记录
利用python实现深度学习生成对抗样本,为任一图片加扰动并恢复原像素一.前言 (一)什么是深度学习 (二)什么是样本模型 (三)什么是对抗样本 1.对抗的目的 2.谁来对抗? 3.对抗的敌人是谁? ...
[02.02]主题之家精美主题每日更新【雪豹】
[02.02]主题之家精美主题每日更新[雪豹] 温馨提示: 1:此更新合集由雪豹整理,由于主题之家采用防盗链设计,直接点击会出现盗链接的提示,请下载时点击直接下载或用下载工具下载. 2:以下所有软件均 ...
利用VisualEsxtop工具图形化查看esxtop参数
怎样使用VisualEsxtop工具众多VMware的工程师都知道esxtop/rextop在进行故障排查.性能检测的场景中的重要性:一般而言我们都可以通过各种shell工具连接到ESXI主机,默认 ...
利用VSTS工具自动测试
一.选择开发工具由于小组成员平时写代码都是用C语言或C++,所以我们选择visual stdio 2017作为小组的开发工具. 在产品中选择适用于学生.开放源代码和个体开发人员的免费.全功能型 ID ...

利用jTessBoxEditor工具进行Tesseract3.02.02样本训练

1.生成tif文件

2.生成box文件（需要安装tesseract）

3.打开下载好的jTessBoxEditor，点击

4.点击Box Editor –>>open 打开以tif为扩展名的文件

5.用jTessBoxEditor打开前面的tiff=文件lang.sign.img1.tif，工具会自动加载对应的box文件。

6.生成font_properties

7.生成训练文件

8.生成字符集文件

9.生成shape文件

10.生成聚集字符特征文件

11.生成字符正常化特征文件

12.更名

13.合并训练文件

14.最后将lang.trainddata复制到Tesseract-OCR中tessdata文件夹即可

利用jTessBoxEditor工具进行Tesseract3.02.02样本训练相关推荐

最新文章

热门文章