tesseract训练脚本

最新推荐文章于 2024-10-28 10:56:07 发布

原创最新推荐文章于 2024-10-28 10:56:07 发布 · 5.5k 阅读

1 ·

CC 4.0 BY-SA版权

tesseract 专栏收录该内容

8 篇文章

订阅专栏

本文介绍使用Tesseract OCR进行文字识别训练的具体步骤，包括从图像生成训练数据到最终生成训练文件的全过程。涉及创建box文件、特性提取、形状聚类等关键技术环节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tesseract训练脚本

#!/bin/sh
lang=xylinklang
font=xylinkfont

#合并多张图到tif
#xylinklang.xylinkfont.exp0.tif

#生成box文件
tesseract ${lang}.${font}.exp0.tif ${lang}.${font}.exp0 -l eng -psm 7 batch.nochop makebox

#生成${font}_properties
echo ${font} 0 0 0 0 0 >${font}_properties

#生成tr训练文件
tesseract ${lang}.${font}.exp0.tif ${lang}.${font}.exp0 -l eng -psm 7 nobatch box.train

#生成unicharset字符集文件
unicharset_extractor ${lang}.${font}.exp0.box

#生成shape文件
shapeclustering -F ${font}_properties -U unicharset -O ${lang}.unicharset ${lang}.${font}.exp0.tr

#生成聚集字符特征文件
mftraining -F ${font}_properties -U unicharset -O ${lang}.unicharset ${lang}.${font}.exp0.tr

#生成字符正常化特征文件
cntraining ${lang}.${font}.exp0.tr 

#重命名文件
mv normproto ${font}.normproto
mv inttemp ${font}.inttemp
mv pffmtable ${font}.pffmtable 
mv unicharset ${font}.unicharset
mv shapetable ${font}.shapetable

#合并训练文件
combine_tessdata ${font}.

官方命令参考：
https://github.com/tesseract-ocr/tesseract/wiki/Training-Tesseract-3.03%E2%80%933.05#training-procedure