Linux下利用jTessBoxEditor工具进行Tesseract样本训练【图】
1. 将训练用到的所有png,jpg图片转换成.tif
convert spider_1.png spider_1.tif
2. 将所有.tif合成样本文件
打开jTessBoxEditor的命令:
java -jar jTessBoxEditor.jar
点击Tools->Merge Tiff ,按住shift键选择tif文件,然后点击确认,然后在:
自定义个tif名:这里输入num.font.exp0.tif,然后点解确认
这样子就创建成功,回到cmd命令终端
3. 生成box文件
tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox
4. 修改box文件
jTessBoxEditor工具的Box Editor页,点击open,找到刚刚生成的num.fonttype.exp0.tif,逐个核对tif文件的box数据,是否和图片的数据一直,全部修改结束并保存。
5. 生成字符特征文件(*.tr)
tesseract num.font.exp0.tif num.font.exp0 nobatch box.train
6. 产生计算字符集
unicharset_extractor num.font.exp0.box
7. 生成font_properties
vim font_properties
然后先点i进入编辑模式,输入内容"font 0 0 0 0 0", 按Esc退出编辑模式,按shift+;进入末行模式,输入wq, 就会保存并退出
mftraining -F font_properties -U unicharset num.font.exp0.tr
8.生成字符形状正常变化特征文件normproto
cntraining num.font.exp0.tr
9. 为unicharset,inttemp,normproto,pffmtable,shapetable添加前缀”num.”
最后一步:合并训练文件
combine_tessdata num.