标签：文件 qq66 OCR 自定义 exp0 tr font test 识别
1，下载安装Tesseract-OCR 安装，链接地址https://digi.bib.uni-mannheim.de/tesseract/
2，安装成功 tesseract -v
注意：安装后，要添加系统环境变量
3，cmd指定目录到 cd C:\Work\BlogsTest\TestPic，要识别图片的文件夹 识别：tesseract test.png result -l chi_sim
识别成功的效果，result.txt文件会自动生成
要注意：Tesseract-OCR的安装目录要包含识别中文的字符集chi_sim.traineddata，可以在GitHub下载https://github.com/tesseract-ocr/tessdata
4，可见第3步的识别效果不是很好，想到通过训练自定义字库,提高图片的识别效果
（0）下载安装jTessBoxEditor，https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
注意要安装JavaRuntime
（1）打开jTessBoxEditor，选择Tools->Merge TIFF，进入训练样本所在文件夹，选中要参与训练的样本图片：
（2）点击 “打开” 后弹出保存对话框，选择保存在当前路径下，文件命名为 “qq66.test.exp0.tif” ，格式只有一种 “TIFF” 可选。
tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言，fontname是字体，num为自定义数字。
比如我们要训练自定义字库 qq66，字体名test，那么我们把图片文件命名为 qq66.test.exp0.tif
（3）使用tesseract生成.box文件
tesseract qq66.test.exp0.tif qq66.test.exp0 -l chi_sim --psm 6 batch.nochop makebox
注意：--psm的语法，数字对应不同的 页面分割模式。
（4）使用jTessBoxEditor矫正.box文件的错误
打开后矫正后，点击 save
（5）生成font_properties文件：（该文件没有后缀名）
执行命令，执行完之后，会在当前目录生成font_properties文件
echo test 0 0 0 0 0 >font_properties
也可以手工新建一个名为font_properties的文本文件，输入内容 “test 0 0 0 0 0” 表示字体test的粗体、倾斜等共计5个属性。这里的“test”必须与“qq66.test.exp0.box”中的“test”名称一致。
（6）使用tesseract生成.tr训练文件
执行下面命令，执行完之后，会在当前目录生成qq66.test.exp0.tr文件。
tesseract qq66.test.exp0.tif qq66.test.exp0 nobatch box.train
（7）生成字符集文件：
执行下面命令：执行完之后会在当前目录生成一个名为“unicharset”的文件。
unicharset_extractor qq66.test.exp0.box
（8）生成shape文件：
执行下面命令，执行完之后，会生成 shapetable 和 zwp.unicharset 两个文件。
shapeclustering -F font_properties -U unicharset -O qq66.unicharset qq66.test.exp0.tr
（8）生成聚字符特征文件
执行下面命令，会生成 inttemp、pffmtable、shapetable和zwp.unicharset四个文件。
mftraining -F font_properties -U unicharset -O qq66.unicharset qq66.test.exp0.tr
（9）生成字符正常化特征文件
执行下面命令，会生成 normproto 文件。
cntraining qq66.test.exp0.tr
（10）文件重命名
重新命名inttemp、pffmtable、shapetable和normproto这四个文件的名字为[lang].xxx。
这里修改为qq66.inttemp、qq66.pffmtable、qq66.shapetable和qq66.normproto
（11）合并训练文件
执行下面命令，会生成qq66.traineddata文件。
combine_tessdata qq66.
最后文件目录
5，用新生成的qq66.traineddata字符集，重新识别身份证
6，可以同时选择多个不同的样本生成box文件
7，在原有训练数据的基础上，加入新的字符训练信息
经研究找到实用合并方法（红色部分为示例，实际应为你自己生成的文件名）：
在新的训练数据生成.box 和.tr文件后，
生成字符集 unicharset_extractor add.font.exp0.box new.font.exp0.box
合并训练数据(.tr)
mftraining -F font_properties -U unicharset -O added.unicharset add.font.exp0.tr new.font.exp0.tr
聚合所有的tr文件：
cntraining add.font.exp0.tr new.font.exp0.tr
8，设置图片分割模式
Page segmentation modes:
0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in a circle.
10 = Treat the image as a single character.
例如：
tesseract test.png result -l chi_sim -psm 7 nobatch
9点0频道
发布了7 篇原创文章 · 获赞 1 · 访问量 5634
私信
关注
标签：文件,qq66,OCR,自定义,exp0,tr,font,test,识别 来源： https://blog.csdn.net/limingblogs/article/details/104062955
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。