使用jTessBoxEditorFX進行ocr訓練的實際操作步驟

使用jTessBoxEditorFX進行ocr訓練
實際的操作步驟如下。
先把訓練用樣本圖像準備好。
1、打開 jTessBoxEditor ，選擇 Tools -> Merge TIFF，打開對話框，選擇訓練樣本所在文件夾，並選中所有要參與訓練的樣本圖片，注意對話框中“文件類型”的選取png
2、之後有打開對話框，輸入“chi_my.font.exp0.tif”，格式爲tiff。其中chi_my可改爲自己定義。
 會生成chi_my.font.exp0.tif文件。
3、在命令行下執行
 tesseract chi_my.font.exp0.tif chi_my.font.exp0 -l chi_sim batch.nochop makebox
 tesseract chi_my.font.exp0.tif chi_my.font.exp0 -l eng batch.nochop makebox
 會生成“chi_my.font.exp0.box” 文件。
4、打開 jTessBoxEditor ，點擊 Box Editor -> Open，選擇chi_my.font.exp0.tif文件。
5、調整識別錯誤的情況
 會是慘絕人寰的過程。尤其是圖像，字符比較多的情況。
 注意、修改後的保存需點擊界面上charater後的標識爲設置圖標的button後，再點擊save按鈕。
 
6、創建字體特徵文件
 echo font 0 0 0 0 0>font_properties
 會生成“font_properties” 文件。文件size顯示爲0字節。其實裏面有‘“font 0 0 0 0 0”’內容。
7、訓練
 tesseract chi_my.font.exp0.tif chi_my.font.exp0 -l eng -psm 7 nobatch box.train
8、生成字符集文件
 unicharset_extractor chi_my.font.exp0.box
 生成 “unicharset” 文件。
9、生成shape文件，聚集字符特徵文件，字符正常化特徵文件等四個文件。
 9.1、命令 shapeclustering -F font_properties -U unicharset -O langyp.unicharset langyp.fontyp.exp0.tr
  生成 “shapetable”“inttemp”“pffmtable” 文件。
 9.2、命令 mftraining -F font_properties -U unicharset -O langyp.unicharset langyp.fontyp.exp0.tr
  生成 “pinyin.unicharset” 文件。
 9.3、命令 cntraining langyp.fontyp.exp0.tr
  生成 “normproto” 文件。
 
10、更名，合併訓練文件
 更名
  rename normproto langyp.normproto
  rename inttemp langyp.inttemp
  rename pffmtable langyp.pffmtable
  rename unicharset langyp.unicharset
  rename shapetable langyp.shapetable
 合併訓練文件，
  combine_tessdata langyp.
 生成langyp.traineddata文件。

11、將生成的 “langyp.traineddata” 語言包文件拷貝到tesseract的tessdata 目錄下，
 就可以用它來進行中文字符識別了。

實例：
G:\Program Files (x86)\jTessBoxEditorFX\samples\pinyin>unicharset_extractor pinyin.font.exp0.box
Extracting unicharset from pinyin.font.exp0.box
Wrote unicharset file ./unicharset.

G:\Program Files (x86)\jTessBoxEditorFX\samples\pinyin>shapeclustering -F font_properties -U unicharset -O pinyin.unicharset pinyin.font.exp0.tr
Reading pinyin.font.exp0.tr ...

G:\Program Files (x86)\jTessBoxEditorFX\samples\pinyin>mftraining -F font_properties -U unicharset -O pinyin.unicharset pinyin.font.exp0.tr
Read shape table shapetable of 27 shapes

G:\Program Files (x86)\jTessBoxEditorFX\samples\pinyin>cntraining pinyin.font.exp0.tr
Reading pinyin.font.exp0.tr ...
Clustering ...

G:\Program Files (x86)\jTessBoxEditorFX\samples\pinyin>combine_tessdata pinyin.
Combining tessdata files