tesseract训练字符中遇到的问题总结

曾经终败给现在 2022-08-27 12:45 197阅读 0赞

参考文章： [ http://my.oschina.net/lixinspace/blog/60124][http_my.oschina.net_lixinspace_blog_60124] 的采用tessract库训练字符的过程，  
对中文字符库，比如车牌中的省份简称等的训练，字母的训练，数目和字母的训练。  
  
  
在训练过程中，发现了以下问题：  
1、font\_properties的文件创建：  
文件中的内容为：UnknownFont 0 0 0 0 0  
  
  
因为在训练过程中，我并没有对文件命名，所以系统默认是：UnknownFont 这个名称。  
  
  
2、把unicharset, inttemp, normproto, pfftable这四个文件加上前缀“orderNo.”时，少写了一个文件shapetable，此文件也应该重新命名。  
  
  
3、鉴于 [http://www.lixin.me/blog/2012/05/26/29536][http_www.lixin.me_blog_2012_05_26_29536] 在下面讨论中，提到的3.02版本需要一个 shapeclustering 过程  
  
  
Example:  
font\_properties file:  
timesitalic 1 0 0 1 0  
shapeclustering -F font\_properties -U unicharset eng.timesitalic.exp0.tr  
mftraining -F font\_properties -U unicharset -O eng.unicharset eng.timesitalic.exp0.tr  
  
  
其实是没有必要的。

以下附上命令行使用，可以将这些拷贝到一个文件中，命名为.bat文件，就可以直接使用，而不用一行一行敲代码了。

tesseract.exe letterNumMerge.tif letterNumMerge batch.nochop makebox
    pause
    tesseract.exe letterNumMerge.tif letterNumMerge nobatch box.train
    unicharset_extractor.exe letterNumMerge.box
    mftraining.exe -F font_properties -U unicharset letterNumMerge.tr
    cntraining.exe letterNumMerge.tr
    rename normproto letterNumMerge.normproto
    rename unicharset letterNumMerge.unicharset
    rename inttemp letterNumMerge.inttemp
    rename pffmtable letterNumMerge.pffmtable
    rename shapetable letterNumMerge.shapetable
    pause
    combine_tessdata.exe letterNumMerge.
    pause

[http_my.oschina.net_lixinspace_blog_60124]: http://my.oschina.net/lixinspace/blog/60124
[http_www.lixin.me_blog_2012_05_26_29536]: http://www.lixin.me/blog/2012/05/26/29536