tesseract 4.1.1文字识别训练过程及工具(Vs,C#)

1.工具

　　1.tesseract 4.1.1下载

　　　　https://digi.bib.uni-mannheim.de/tesseract/

　　2.训练工具

　　　　https://github.com/serak/serak-tesseract-trainer

　　3.Box文件编辑工具

　　　　https://github.com/scotts48/tesseract-box-editor.git

　　4.Tiff合并工具

　　　　https://github.com/Darkseal/MergeTIFF.git

2.步骤

　　准备:

　　　　下载代码编译训练工具,box编辑工具和tiff合并工具.

　　步骤:

　　1.准备要训练的图片文件,保存成tiff

　　2.用Tiff合并工具,将tiff图片文件合并成一个文件

　　

 

 

 

　　3.配置训练工具,包括配置tesseract的路径和语言名称.

　　　　

 

　　4.使用训练工具步骤1,添加图片并为tiff图片生成box文件

　　　　第一次生成box时,使用create new box 按钮,使用系统默认的语言识别图片并生成Box文件,

　　　　当我们自己已经有训练好的对应语言的训练数据时,可以用bootstrapping a new character 按钮,用自己的识别数据识别图片来生成Box,

　　

 

 

 

　　5.使用box文件编辑工具,编辑Box文件

　　这里主要是修改自动生成的文字边框和识别错误的字符

 

 

 

　　6.使用训练工具的步骤2,生成字体属性文件

　　7.使用训练工具的步骤3,4,进行训练,并合并成最终结果

3.说明

　　serak-tesseract-trainer 训练工具,主要就是对tesseract的命令行的界面话,直接使用命令行训练其实也是可以的,网上这种介绍很多,比如下面这篇

　　https://www.cnblogs.com/mtcnn/p/9411786.html

　　好多资料用的box编辑器都是jTessBoxEditor ,这个需要下载java环境,我懒得下载安装,所以才找的tesseract-box-editor这个工具.