jTessBoxEditor

简介

jTessBoxEditor是一个Tesseract OCR的Box编辑器，提供Tesseract 2.0x and 3.0x 格式的Box数据编辑功能。可以读取包括multi-page TIFF在内的通用图片格式。

系统需求

Java Runtime Environment 6.0 or later.

说明

双击JAR文件启动程序，或者通过如下的命令行方式，Windows下有run.bat批处理文件，可以通过修改启动参数，增加分配给java虚拟机的内存

java -Xms128m -Xmx512m -jar jTessBoxEditor.jar

需要把TIFF/Box文件作为这个程序的输入。

格式要求：

训练用的图片:300DPI, 1 bpp(bit per pixel), 黑白或8位灰度，无压缩的TIFF格式

Box文件：UTF-8编码，通过Tesseract命令行+相应的命令行选项生成(参考 Tesseract Wiki)。

训练操作可以通过附带的train.ps1 Windows PowerShell脚本自动化。

注意：Box文件使用的坐标系统把左下作为（0,0），而计算机图形设备上把左上定义为（0,0）。 jTessBoxEditor使用并显示参考图形设备坐标。编辑的Box文件仍然在读写时参考自己的坐标。

这个软件中包含一个转换功能，会把字符文本字段的数字字符引用（NCR）和转义序列转换为Unicode字符。

Merge TIFF功能，可以把含有相同的字体的文本多个图像保存到一个单一的多页TIFF文件中，用于后续训练。

Generate TIFF/Box功能由一个输入的UTF-8文本文件生成供Tesseract训练用的一对TIFF/Box文件。生成的图像是一个二进制或者灰度的无压缩多页300DPI的TIFF图像，依赖抗锯齿模式是否有效（？）。

为了消除box边界重叠问题，字符追踪或字符间距可以通过Tracking微调器来进行调整。

注意，某些框的坐标可能会与由TESSERACT自己生成的略有不同（偏差1或2个像素）。但是，所生成的Box文件可以用如WinMerge的支持Unicode的文本比较工具进行比较验证。

提示：实验表明，Generate TIFF/Box功能使用字体大小24pt或更大生成的图像会有较高的训练质量。

结合符号或变音符号(如梵文或印度语 )，需要与主、基本字符结合使用，可以由用户指定一个UTF-8的文本文件，例如data目录下的 combiningsymbols.txt文件。此文件可以被Generate TIFF/Box功能读取，这种设置使用户可以为他们的语言脚本灵活定义结合符号/变音符号。

-- end --

转载于:https://www.cnblogs.com/rakuhin/p/3307342.html

jTessBoxEditor for Tesseract OCR相关推荐

android自动识别文字,Android文字识别tesseract ocr -训练样本库识别字库
目录安装tesseract ocr引擎和jTessBoxEditor 安装jTessBoxEditor 开始制作box 准备好训练的图片将图片转为tif格式的样本图片合并样本图片修改box文件 ...
Tesseract OCR简介(三)--安装及参数使用
参考:AI-Tesseract-OCR简介_花熊的博客-CSDN博客_tesseract坐标一.windows 1.1 Tesseract安装适用于Tesseract 3.05和Tesseract ...
关于Tesseract OCR 中文训练识别小试（java调用Tess4j）
2017.9.20日小结最近接到是关于消防系统协议解析仪器的项目,目的是从协议解析仪器获取有效数据,并解析数据(目的是不希望消防主机的数据信息再传给主机厂商而是最后能给自己收集调用).由于各个消防器 ...
Tesseract OCR 训练字库
Tesseract OCR是一款由HP实验室开发由Google维护的开源OCR引擎,在字符识别领域发挥着举足轻重的作用.除了使用软件自带的中英文识别库,我们可以使用Tesseract OCR训练属于自 ...
tesseract ocr训练样本库以及样本库使用
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.tesseract ocr训练样本库二.样本库的使用总结前言这篇报告主要介绍两个内容: 1.tessera ...
Tesseract——OCR图像识别入门篇
近期leader给了我一个任务,让我研究图像识别,从我们项目的screenshot中识别文字信息,so我開始了学习.与大家分享下. 我看到眼下OCR技术有非常多,最基本的是Asprise OCR,Te ...
Tesseract OCR——Windows 10 + CMake-GUI + Visual Studio 2019下编译和使用解决方案
基本概念 Tesseract OCR:Tesseract-OCR 引擎最先由HP实验室于1985年开始研发,至1995年时已经成为OCR业内最准确的三款识别引擎之一.然而,HP不久便决定放弃OCR业务 ...
C#使用Tesseract OCR 解析验证码
下面介绍一个开源的OCR引擎Tesseract2.值得庆幸的是虽然是开源的但是它的识别率较高,并不比其他引擎差劲.网上介绍Tessnet2也是当时时间排名第三的识别引擎,只是后来慢慢不维护了,目前是G ...
[转]tesseract OCR Engine overview字符识别学习
原文地址:http://blog.csdn.net/viewcode/article/details/7790065 正文: 原文: An Overview of the Tesseract OCR ...

jTessBoxEditor for Tesseract OCR

jTessBoxEditor

简介

系统需求

说明

jTessBoxEditor for Tesseract OCR相关推荐

最新文章

热门文章