python-使⽤JtessBoxEditor训练tesseract字库
使⽤JtessBoxEditor训练tesseract字库，加上调⽤总共分12步
⼀、将图⽚格式转换为tif格式
tif⽂件命名的格式为[语⾔].[字体].exp[数字].tif
其中语⾔和字体、数字均为⾃⼰设置，可随意，但格式必须是以上格式。后⾯调⽤会需要⽤到字体名称
假设语⾔为liang，字体为mx
1、打开JtessBoxEditor
2、点击Tools
3、点击Merge TIFF，然后在⽂件类型选择bmp（可⼀次性选择多个bmp，最终会合并成⼀个tif）
4、点击打开图⽚后，然后保存为p0.tif
⼆、在cmd命令⾏输⼊命令，⽣成box⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
< p0.p0 -l chi_hop makebox
其中第1个p0.tif为合并的tif⽂件（这⾥也可以直接使⽤bmp⽂件，但只能识别⼀个），第2个p0为⽣成box⽂件的⽂件名，第三个-l（L）指language，使⽤指定的语⾔库打开，chi_sim就是中⽂库，其他的是命令
当前⽂件下显⽰ p0.box（新增），p0.tif
三、校正图⽚
1、打开JtessBoxEditor
2、点击Box Editor
3、点击open接口与抽象类的用法区别
4、打开合并的tif图（⼯具会⾃动加载对应的box⽂件，所以tif和box⽂件必须在同⼀⽂件夹下）
5、在左边修改识别⽂字（尽可能⼀个框⼀个字），在右上⾓的地⽅可以修改框的⼤⼩和位置
Insert：新增框。Delete：删除框。Merge：合并框。Split：拆分框。
asp格式说明6、如果是多个bmp合并的tif，在下⽅有翻页，翻页处理其他错别字
properties文件用什么打开
7、校正完⼀定要点击save保存
jboss drools
四、⽣成字体特征⽂件font_properties
1、打开记事本在⾥⾯输⼊以下内容：
mx 0 0 0 0 0
2、保存后，重命名把名称⾥的后缀删掉，即把“.txt”删掉，⽂件名称必须是font_properties。其中mx指⾃⼰命名的字体名。0的属性是指字体的属性，⽐如字体为斜体、粗体等，0代表没有额外属性
当前⽂件夹下显⽰：font_properties(新增)，p0.box，p0.tif
五、在cmd命令⾏输⼊命令，⽣成训练⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
p0.p0 ain
其中第⼀个p0.tif为上述保存的tif⽂件，第⼆个p0为⽣成tr⽂件的⽂件名（⽂件名尽可能保持⼀致）
其他的是命令
当前⽂件夹下显⽰：（新增），font_properties，p0.box，p0.tif
六、在cmd命令⾏输⼊命令，⽣成字符集⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
unicharset_p0.box
执⾏完会⽣成unicharset
注意：unicharset必须和box⽂件同步更新，即后⾯⽣成新⽂件时，unicharset也必须重新⽣成
当前⽂件夹下显⽰：unicharset（新增），，font_properties，p0.box，p0.tif
七、在cmd命令⾏输⼊命令，⽣成shape⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
shapeclustering -F font_properties -U unicharset -O unicharset
第1个-F font_properties指上述的font_properties⽂件，第2个-U unicharset 指上述的unicharset⽂件，第3个-O unicharset指新⽣成的unicharset名称（注意，-O会新⽣成unicharset⽂件，-O后⾯接新⽣成⽂件的⽂件名，此处输⼊的是unicharset和原来⽂件名⼀致，故会覆盖原来的unicharset⽂件），第4个p0.tr为第五步⽣成的tr⽂件
当前⽂件夹下显⽰：shapetable（新增），unicharset（新增且覆盖原来的），
，font_properties，p0.box，p0.tif
⼋、在cmd命令⾏输⼊命令，⽣成聚集字符特征⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
mftraining -F font_properties -U unicharset -O unicharset
执⾏完命令会⽣成unicharset（命名⼀样覆盖之前的unicharset⽂件）、inttemp、pffmtable、shapetable（覆盖之前的shapetable）第1个-F font_properties指上述的font_properties⽂件，第2个-U unicharset 指上述的unicharset⽂件，第3个-O unicharset指新⽣成的unicharset，第4个p0.tr为第五步⽣成的tr⽂件
当前⽂件夹下：inttemp（新增），pffmtable（新增），shapetable（新增且覆盖原来的），unicharset（新增且覆盖原来
的），，font_properties，p0.box，p0.tif
三菱plc指令图文详解九、在cmd命令⾏输⼊命令，⽣成字符正常化特征⽂件
1、先cd进⼊到tesseract的⽬录下，输⼊：
cntrainingeclipse程序怎么运行
执⾏完⽣成normproto⽂件
当前⽂件夹下显⽰：normproto（新增），
inttemp，pffmtable，shapetable，unicharset，，font_properties，p0.box，p0.tif
⼗、将⽂件改名，在cmd命令⾏输⼊命令，合并训练⽂件
1、将normproto、inttemp、pffmtable、shapetable、unicharset加字体名
我个⼈设置的是mx故将上述五个⽂件改名为mx.normproto、mx.inttemp、mx.pffmtable、mx.shapetable、mx.unicharset
2、先cd进⼊到tesseract的⽬录下，输⼊：
combine_tessdata mx.
注意命令⾏带【.】
执⾏完⽣成⽂件mx.traineddata
⼗⼀、将mx.traineddata放在tesseract安装⽬录的tessdata⽬录下
⼗⼆、python使⽤pytesseract调⽤tesseract识别功能
#打开图⽚（使⽤PIL库的Image）
image1=Image.open(r"D:\aaa.bmp")
#使⽤pytesseract.image_to_string识别图⽚，参数⾥的“mx”为上述训练⽂件mx.traineddata的前缀
word=pytesseract.image_to_string(im,lang=“mx”)
print(word)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。