tesseract-ocr训练步骤

1、准备训练样品图片

用画图板做五个数字图，保存为tif格式，为了方便写命令，直接放到jtessboxeditor的tesseract-ocr文件夹内。

2、生成tif文件

安装java虚拟机，配置环境变量，解压jtessboxeditor后双击打开jtessboxeditor.jar，tools-merge tiff，选择那五幅图片，生成tif文件。

生成的文件名格式：字体名.语言名.版本号（lan.new.exp0.tif）。（此处图片要是tif类型，不能直接修改jpg类型后缀，无效）

3、生成box文件

控制台进入jtessboxeditor-tesseract-ocr文件夹，输入命令tesseract  lan.new.exp0.tif lan.new.exp0 batch.nochop makebox

用jtessboxeditor打开box文件，挨个修改字符，修改后save一下。

4、生成train文件

同3进入控制台，输入命令tesseract lan.new.exp0.tif lan.new.exp0 box.train

生成tr文件（此处很多教程都加了nobatch，而我一直提示params not found没法建立，最后看官网教程去掉这个参数）

5、定义字体特征文件

建立一个文件font_properties，内容是new 0 0 0 0 0

6、生成语言文件

创建一个批处理文件，内容如下：

rem 执行改批处理前先要目录下创建font_properties文件  
echo Run Tesseract for Training..  
tesseract.exe lan.new.exp1.tif lan.new.exp1 nobatch box.train  
  
echo Compute the Character Set..  
unicharset_extractor.exe lan.new.exp1.box  
mftraining -F font_properties -U unicharset -O num.unicharset lan.new.exp1.tr  
  
echo Clustering..  
cntraining.exe lan.new.exp1.tr  
  
echo Rename Files..  
rename normproto LAN.new.normproto  
rename inttemp LAN.new.inttemp  
rename pffmtable LAN.new.pffmtable  
rename shapetable LAN.new.shapetable   
  
echo Create Tessdata..  
combine_tessdata.exe num.  

7、执行一下，可以识别了。