以下所有步骤都需要在同一个文件夹中执行，需要先cd到该文件夹
Merge样本文件
打开jTessBoxEditor，Tools->Merge TIFF，将样本文件全部选上，并将合并文件保存为num.font.exp0.tif
生成BOX文件
打开命令行并切换至num.font.exp0.tif所在目录，
1，输入:tesseract mh.font.exp0.tif mh.font.exp0 -l chi_sim batch.nochop makebox，
生成文件名为mh.font.exp0.box
-l chi_sim 选择中文简体， 需要在jTessBoxEditor/tesseract-ocr/tessdata文件夹下放入下载好的中文字库chi_sim.traineddata
如果上述命令省略-l chi_sim 表示默认使用引文字符集
【语法】：tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
lang为语言名称，fontname为字体名称，num为序号；在tesseract中，一定要注意格式。
2，导出了box文件， 此时可以再jTessBoxEditor gui下边开始修正字体了如图：
3，定义字符配置文件
在目标文件夹内生成一个名为font_properties的文本文件，内容为: font 00000
【语法】： <fontname> <italic> <bold> <fixed> <serif> <frakture>
fontname为字体名称，italic为斜体，bold为黑体字，fixed为默认字体，serif为衬线字体，fraktur德文黑字体，1和0代表有和无，精细区分时可使用。
4，执行：
tesseract mh.font.exp0.tif mh.font.exp0 nobatch box.train
unicharset_extractor mh.font.exp0.box
shapeclustering -F font_properties.txt -U unicharset mh.font.exp0.tr
mftraining -F font_properties.txt -U unicharset -O unicharset mh.font.exp0.tr
cntraining mh.font.exp0.tr
combine_tessdata mh.
对生成的5个文件添加前缀mh. 加上生成的一共是6个如图：
5，最后执行combine_tessdata mh. 将生成mh.traineddata
最后将生成的mh.traineddata放入share文件夹即可使用
如果是多个训练集需要合并可以这样使用（懒得写了， 直接用别人的吧）：
-psm N
Set Tesseract to onlyrun a subset of layout analysis and assume a certain form of image.The options for N are:
0 = Orientation andscript detection(OSD)only.
1 = Automatic pagesegmentation with OSD.
2 = Automatic pagesegmentation,but no OSD,or OCR.
3 = Fully automatic pagesegmentation,but no OSD.(Default)
4 = Assume a singlecolumn of text of variable sizes.
5 = Assume a singleuniform block of vertically aligned text.
6 = Assume a singleuniform block of text.
7 = Treat the image as asingle text line.
8 = Treat the image as asingle word.
9 = Treat the image as asingle word in a circle.
10 = Treat the image asa single character.
若图片为一行字符，可以在tesseract命令中添加"-psm 7"；若图片为一个字符，可以在tesseract命令中添加"-psm 10"；选择最合适的布局参数值，提高准确率。
如：
tesseract mh.font.exp0.tif mh.font.exp0 -l chi_sim -psm 6 batch.nochop makebox
mh.font.exp0.tif mh.font.exp0 -psm 6 nobatch box.train
网友评论