用Tesseract-OCR做识别库的时候,生成字典非常麻烦,就写了一个批处理,用来生成字典还是蛮方便的,希望大家有用,该批处理已经自动生成font_properties文件,各位无需手动创建
下载地址:http://tesseract-ocr.googlecode.com/files/tesseract-ocr-setup-3.01-1.exe
下面简单说下怎么训练
1、批量下载、并保存需要识别的图片(验证码);
2、预处理图片(降噪、剪裁、灰度);
3、使用 jTessBoxEditor 生成 tif 文件(注:jTessBoxEditor是java软件,需要安装java jdk)
4、复制我这个批处理文件到生成的tif目录下执行
5、输入tif的完整文件名
6、输入字典项目名称
7、是否生成box文件,没有生成的,选择y,已经生成并修正过的就选择n
8、生成完毕
下面是批处理的内容,复制下面内容,保存一个.bat文件
echo off
cls
set /p img=请输入图片名:
set /p pro=请输入项目名:set /p level=是否生成box?
if %level% NEQ n goto step2
if %level% NEQ N goto step2echo 、生成%img%的box文件,项目名【%pro%】
pause
tesseract.exe %img% %pro% batch.nochop digits makebox
cls
echo 生成box文件完成,请使用jTessBoxEditor校正识别信息。
pause:step2
tesseract.exe %img% %pro% nobatch box.train
unicharset_extractor.exe %pro%.boxecho 生成font_properties文件
set val=%pro%
echo %val%>font_propertiescntraining.exe %pro%.trmftraining.exe -F font_properties -U unicharset %pro%.trecho 重命名文件
rename inttemp %pro%.inttemp
rename unicharset %pro%.unicharset
rename normproto %pro%.normproto
rename pffmtable %pro%.pffmtable
rename shapetable %pro%.shapetable
echo 生成字典文件...
combine_tessdata %pro%.echo 字典生成完毕,已生成字典:%pro%.traineddata
注:3.0.2 增加了一个 shapetable 文件,在重命名时这个文件也需要重名命