tesseract自動化訓練批量訓練字庫

關於tesseract的訓練步驟流程，jTessBoxEditor工具的使用請移步：
https://blog.csdn.net/Hu_helloworld/article/details/100030283

以下是腳本的簡單介紹：
輸入的文件名
src：是字庫文件名，如nomal
font_name:字體名，如 num
desc：nomal.num.exp0

腳本使用時的目錄結構：
training├── jTessBoxEditor |——jTessBoxEditor.jar
├── nomal.num.exp0.tif
├── training.bat

注意：應先用jTessBoxEditor，合併樣本生成.tif文件，再使用腳本開始訓練，使用期間會再次打開jTessBoxEditor工具，便於調整字符位置和內容。應保證jTessBoxEditor 和 java環境正常。

@echo off 

set "src=%1%" 

set "font_name=%2%"

set "desc=%3%" 

if  not  defined src set /p src=" please pass your filename: "

if  not  defined font_name set /p font_name=" please pass your font_name: "

if  not  defined desc set /p desc=" please pass your desc: "

rem 判斷參數的合法性
if  not  defined src echo  IllegalArgumentException arg1 must not be null &  pause>nul & exit

if  not  defined font_name echo  IllegalArgumentException arg2 must not be null &  pause>nul & exit

if  not  defined desc set "desc=%src:~0,-4%"  
 
 echo desc %desc%

rem 如果目錄下沒有font_properties 文件創建 font_properties ,並寫入文件

if exist font_properties (

 echo  font_properties exist

) else (

ECHO %font_name% 0 0 0 0 0  >"font_properties"

)

rem  刪除原有文件  

if exist %font_name%.unicharset ECHO DEL %font_name%.unicharset &   DEL  /Q  names %font_name%.unicharset

if exist %font_name%.inttemp  ECHO DEL %font_name%.inttemp &  DEL  /Q  names %font_name%.inttemp

if exist %font_name%.pffmtable  ECHO DEL %font_name%.pffmtable &  DEL  /Q  names %font_name%.pffmtable

if exist %font_name%.shapetable ECHO DEL %font_name%.shapetable & DEL  /Q  names %font_name%.shapetable

if exist %font_name%.normproto ECHO DEL %font_name%.normproto & DEL  /Q  names %font_name%.normproto

if exist %font_name%.font_properties ECHO DEL %font_name%.font_properties & DEL  /Q  names %font_name%.font_properties

rem   生成.box文件   可修改原始字庫eng

tesseract %desc%.tif %desc% -l eng --psm 6 batch.nochop makebox

ECHO Create files: %desc%.box

java -Xms128m -Xmx512m -jar jTessBoxEditor/jTessBoxEditor.jar

ECHO Please change your results , and press any key to continue

pause>nul 

rem 	生成.tr訓練文件
tesseract %desc%.tif %desc% nobatch box.train

rem		生成字符集文件 unicharset
unicharset_extractor %desc%.box

rem		生成shape文件，會生成shapetable 和 zwp.unicharset兩個文件
shapeclustering -F font_properties -U unicharset -O %src%.unicharset %desc%.tr

mftraining -F font_properties -U unicharset -O %src%.unicharset %desc%.tr

cntraining %desc%.tr

rem  配置新文件

rem if exist unicharset ECHO rename unicharset %font_name%.unicharset &  rename unicharset %src%.unicharset

if exist inttemp ECHO rename inttemp %font_name%.inttemp &  rename inttemp %src%.inttemp

if exist pffmtable ECHO rename pffmtable %font_name%.pffmtable &  rename pffmtable %src%.pffmtable

if exist shapetable ECHO rename shapetable %font_name%.shapetable &  rename shapetable %src%.shapetable

if exist normproto ECHO rename normproto %font_name%.normproto &  rename normproto %src%.normproto

combine_tessdata %src%.

rem if exist font_properties ECHO rename font_properties %font_name%.font_properties & rename font_properties %font_name%.font_properties

ECHO  press any key to continue

pause>nul 

將代碼命名爲 XXX.bat，cmd cd 到訓練目錄執行。
可輸出腳本運行信息到logs.txt中：
training>>logs.txt
後期儘量再腳本中完善

腳本中一些訓練參數，路徑之類的可能有問題，腳本也很簡單，可以自己修改。
關於tesseract的訓練步驟流程、jTessBoxEditor工具的使用，請移步：
https://blog.csdn.net/Hu_helloworld/article/details/100030283