帮企业做网站的,新手网页制作,网站建设控制,怎么在阿里巴巴网站做公司tessreact主要用于字符识别#xff0c;除了使用软件自带的中英文识别库#xff0c;还可以使用Tesseract OCR训练属于自己的字库。
一、软件环境搭建
使用Tesseract OCR训练自己的字库#xff0c;需要安装Tesseract OCR和jTessBoxEditor(配套训练工具)。jTessBoxEditor需要…tessreact主要用于字符识别除了使用软件自带的中英文识别库还可以使用Tesseract OCR训练属于自己的字库。
一、软件环境搭建
使用Tesseract OCR训练自己的字库需要安装Tesseract OCR和jTessBoxEditor(配套训练工具)。jTessBoxEditor需要jdk。要安装jTessBoxEditor之前先安装jdk 安装tessreact OCRhttps://blog.csdn.net/u010833154/article/details/135599860 jTessBoxEditor下载地址https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
获取样本
即需要识别的图片越多越好
Merge样本文件
打开jTessBoxEditorTools-Merge TIFF选择图片的格式然后打开所有样本文件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所在目录输入以下命令并生成名为num.font.exp0.box的文件。
tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox【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。
字符矫正
使用jTessBoxEditor—Box Editor—open打开生成的box文件进行字符矫正
定义字符配置文件
在目标文件夹内生成一个名为font_properties.txt的文本文件内容为
font 0 0 0 0 0 【语法】 fontname italic bold fixed serif fraktur 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。
生成特征文件
echo Run Tesseract for Training..
tesseract.exe num.font.exp0.tif num.font.exp0 nobatch box.train echo Compute the Character Set..
unicharset_extractor.exe num.font.exp0.box
mftraining -F font_properties.txt -U unicharset -O num.unicharset num.font.exp0.tr echo Clustering..
cntraining.exe num.font.exp0.tr echo Rename Files..
rename normproto num.normproto
rename inttemp num.inttemp
rename pffmtable num.pffmtable
rename shapetable num.shapetable echo Create Tessdata..
combine_tessdata.exe num. echo. pause测试
将生成的num.traineddata文件放入到Tesseract-OCR下的tessdata文件夹下 在cmd中进入待识别图片文件夹执行以下代码
tesseract test.png output -l num识别结果就存放在当前文件夹下跌output.txt文件夹下
