5 Tesseract-ocr 系列 ： 使用 jTessBoxEditor，結合 tesseract-ocr-3.4 進行訓練、識別

首先，本地環境： Ubuntu 16.40 + Tesseract-ocr + jTessBoxEditor 1.7.3
（具體的環境搭建在之前都有介紹，此處不再贅述。）

這裏詳細介紹使用圖片文件作爲輸入的訓練方法。比如我的訓練素材是十張帶字體格式的數字圖片，最後我經過訓練得到的語言庫爲： num1.tessdata

1. 準備好用作訓練素材的圖片：
   

2. 跳轉到 jTessBoxEditor 的安裝目錄，打開 jTessBoxEditor 客戶端：

   cd  /your/path/jTessBoxEditor-1.7.3
   java -Xms128m -Xmx1024m -jar jTessBoxEditor.jar

3. 由素材圖片生成 ~.tif 文件； 即 圖片素材 –> .tif
   a) Tools -> Merge TIFF

   b) 彈出對話框：Select Input Images

   c) 彈出對話框：Save Multi-page TIFF Image

   D）此步成功會在保存路徑中生成 ~.tif 文件，在這裏就是 num1.invoicenum.exp0.tif

4. 由 .tif 文件 -> .box 文件
   兩種方式：jTessBoxEditor 和 命令行。
   a) jTessBoxEditor

   b) 命令行輸入：

   tesseract num1.invoicenum.exp0.tif num1.invoicenum.exp0 batch.nochop makebox

   // 此步執行成功會生成 ~.box 文件，在這裏就是 num1.invoicenum.exp0.box

5. 修正 Box 文件

   // 以後的操作都可以選擇 jTessBoxEditor 或者 命令行 來操作，這裏選擇的是 命令行：

6. 由 .box 文件 -> .tr

   tesseract num1.invoicenum.exp0.tif num1.invoicenum.exp0 box.train.stderr

7. 由 .box 文件 -> unicharset

   unicharset_extractor num1.invoicenum.exp0.box

8. 生成 font_properties // 本質是 ~.txt 文件，但是不帶後綴

   echo invoicenum 0 1 1 0 1 >font_properties

9. 由 font_properties, unicharset, .tr -> shapetable

   shapeclustering -F font_properties -U unicharset num1.invoicenum.exp0.tr

10. 由 font_properties, unicharset, .tr ->lang.unicharset, inttemp, pffmtable

    mftraining -F font_properties -U unicharset -O num1.unicharset num1.invoicenum.exp0.tr

11. 由.tr 文件 -> normproto

    cntraining num1.invoicenum.exp0.tr

12. 重命名 以 lang. 開頭重命名 inttemp, normproto, pffmtable, shapetable

    mv inttemp num1.inttemp
    mv normproto num1.normproto 
    mv pffmtable num1.pffmtable 
    mv shapetable  num1.shapetable

    // 重命名後有
    

13. 合併生成 lang.traineddata文件，在這裏爲 num1.traineddata

    combine_tessdata num1.

14. 將生成的lang.traineddata 文件拷貝到系統中 ~/tessdata/目錄下.
    如我的tessdata目錄爲： /usr/local/share/tessdata/

    sudo cp /your/path/num1.traineddata /usr/local/share/tessdata/

15. 測試
    要識別的圖片：
    
    a) 使用自帶的語言庫 eng.traineddata 識別結果：
    
    b) 使用剛纔訓練得到的庫 num1.tessdata 識別結果：
    

End