Tesseract-OCR的使用记录

参考：

http://www.cnblogs.com/cnlian/p/5765871.html

http://www.cnblogs.com/wzben/p/5930538.html

 

1、下载 Tesseract-OCR 及对应版本的 chi_sim.traindata 字库。

　　一定要对应否则会报错。错误信息为：actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES:Error:Assert failed:in file tessdatamanager.cpp, line 53"

 

2、打开cmd，打开图片所在文件夹，输入命令：tesseract in.png out -l chi_sim ，在图片所在文件夹下生成名字为out的txt文件。

　　命令格式：  tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]　　

　　imagename为目标图片文件名，需加格式后缀；outputbase是转换结果文件名；lang是语言名称（在Tesseract-OCR中tessdata文件夹可看到以eng开头的语言文件eng.traineddata），如不标-l eng则默认为eng。

 

字库训练

之前是打算字库训练，后来发现下载的字库还是比较完善的，就简单记录下。

下面是训练所有的cmd命令。chi.newchi.exp0.tif为自己转换的图片名字

 

tesseract chi.newchi.exp0.tif chi.newchi.exp0 -l chi_sim batch.nochop makebox

tesseract  chi.newchi.exp0.png chi.newchi.exp0  nobatch box.train

unicharset_extractor chi.newchi.exp0.box

shapeclustering -F font_properties -U unicharset -O chi.unicharset chi.newchi.exp0.tr

mftraining -F font_properties -U unicharset -O chi.unicharset chi.newchi.exp0.tr

cntraining chi.newchi.exp0.tr   

rename normproto newchi.normproto  
rename inttemp newchi.inttemp      
rename pffmtable newchi.pffmtable  
rename unicharset newchi.unicharset
rename shapetable newchi.shapetable

combine_tessdata newchi.

tesseract chi.newchi.exp0.png chi.newchi.exp0 -l newchi