Tesseract 自定义训练数据步骤

• 安装 tesseract，方便在命令行中使用
• 下载 jTessBoxEditor, 同于训练数据
• 将要训练的图片格式转换为 tif 或 tiff 格式
• 打开 jTessBoxEditor -> 菜单 Tools -> Merge TIFF，出现一个弹框,选择所有图片，点击"打开"
• 打开后，会再次出现一个弹框，输入名字 num.font.exp0.tif, 点击“保存”
• 执行命令, 生成box文件

  # cd 命令进入tif图片目录
  tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox

• 创建 font_properties， 这里的 font 命名来自 num.font.exp0.tif 中的 font

  echo 'font 0 0 0 0 0' > font_properties

• 打开 jTessBoxEditor -> Box Editor -> Open，选择 num.font.exp0.tif
• 在 Box Editor 中调整识别错误的字以及位置，可使用操作 insert 添加、delete 删除、merge 合并、split 分离
• 每个图都调整完成后，点击“save”保存
• 生成训练数据

   # 
   echo Run Tesseract for Training..
   tesseract num.font.exp0.tif num.font.exp0 nobatch box.train
   
   echo Compute the Character Set..
   unicharset_extractor num.font.exp0.box
   mftraining -F font_properties -U unicharset -O num.unicharset num.font.exp0.tr
   
   
   echo Cntraining..
   cntraining num.font.exp0.tr
   
   echo Rename Files..
   mv normproto num.normproto
   mv inttemp num.inttemp
   mv pffmtable num.pffmtable
   mv shapetable num.shapetable  
   
   echo Create Tessdata..
   combine_tessdata num.

• 处理完成后, 将 num.trainddata 文件拷贝到 data 目录
• 重新识别图片, 验证识别率

  tesseract order.jpg num01 -l num

参考

• https://blog.csdn.net/weixin_42872122/article/details/123730558
• https://xtuz.cmypsc.com/detail-62.html