Tesseract訓練識別數字

一、軟件環境

1.安裝Tesseract 3.0.2

Github上找到 Tesseract ,安裝 windows下的版本（無需源代碼）

2.安裝jTessBoxEditorFX訓練工具

    需要JDK1.8

二、訓練前需要準備的素材

1.多張包含數字的圖片

  d盤新建一個文件夾 number, 將圖片放入其中，（白底黑字，圖片大小恰好包含數字，一張可包含多個數字，一般一個圖片包含1234567890.，並且是一種字體）

三、開始訓練

1. 新建一個名爲 font_propertities 的文本文件

               裏面內容爲 normal 0 0 0 0 0 
              （normal代表字體名）

2. 用jTessBoxEditorFx將多個圖片合併成一個包含多頁圖片的tif文件

            合成的文件取名爲 number.normal.exp2.tif

3. 創建Box文件

          cd d:\number
          tesseract number.normal.exp2.tif number.normal.exp2 -l eng batch.nochop makebox
          這裏的eng是默認的語言,當我們創建好自己的number語言後，以後再次重新訓練可以改成number,也就是:

tesseract number.normal.exp2.tif number.normal.exp2 -l number batch.nochop makebox

4. jTessBoxEditorFx打開Box文件

           打開後，查看識別的結果，並糾正錯誤，保存

5. 根據BOX文件和tif文件生成特徵文件

     命令行 執行如下命令（可放入一個.bat文件便於執行）
      tesseract number.normal.exp2.tif number.normal.exp2  nobatch box.train

      unicharset_extractor number.normal.exp2.box

      shapeclustering -F font_properties -U unicharset number.normal.exp2.tr

      mftraining -F font_properties -U unicharset -O unicharset number.normal.exp2.tr

       cntraining  number.normal.exp2.tr

  執行完畢，將生成5個文件
  inttemp  normproto  pffmtable  shapetable   unicharset

6. 生成最終語言文件

  將以上五個文件前面都改名，前面加上 number.

然後，命令行執行

combine_tessdata number.

就會生成 number.traineddata, 將其拷貝的tesseract 執行目錄的tessdata下

6. 通過命令行驗證訓練結果

tesseract number.normal.exp2.tif output -l number

執行後，執行結果在output.txt裏

以上過程可以反覆執行，不斷修正精確度

四. 在c# 中使用

1.引入

          nuget引入 tesseract ,2.41版（爲何使用低版本？2.41以上版本，無法在xp下使用，使用時報錯，找不到libtesseract304.dll文件,事實上文件都在那裏，而且需要的vc runtime 都裝上了）   
          tesseract 2.41 依賴於vc++ runtime 2012 ,如果不安裝，會報錯找不到dll文件

2.代碼

a.初始化

b.識別

參考：

https://blog.csdn.net/jianglei1310446/article/details/77572435