Tesseract训练识别数字

一、软件环境

1.安装Tesseract 3.0.2

Github上找到 Tesseract ,安装 windows下的版本（无需源代码）

2.安装jTessBoxEditorFX训练工具

    需要JDK1.8

二、训练前需要准备的素材

1.多张包含数字的图片

  d盘新建一个文件夹 number, 将图片放入其中，（白底黑字，图片大小恰好包含数字，一张可包含多个数字，一般一个图片包含1234567890.，并且是一种字体）

三、开始训练

1. 新建一个名为 font_propertities 的文本文件

               里面内容为 normal 0 0 0 0 0 
              （normal代表字体名）

2. 用jTessBoxEditorFx将多个图片合并成一个包含多页图片的tif文件

            合成的文件取名为 number.normal.exp2.tif

3. 创建Box文件

          cd d:\number
          tesseract number.normal.exp2.tif number.normal.exp2 -l eng batch.nochop makebox
          这里的eng是默认的语言,当我们创建好自己的number语言后，以后再次重新训练可以改成number,也就是:

tesseract number.normal.exp2.tif number.normal.exp2 -l number batch.nochop makebox

4. jTessBoxEditorFx打开Box文件

           打开后，查看识别的结果，并纠正错误，保存

5. 根据BOX文件和tif文件生成特征文件

     命令行 执行如下命令（可放入一个.bat文件便于执行）
      tesseract number.normal.exp2.tif number.normal.exp2  nobatch box.train

      unicharset_extractor number.normal.exp2.box

      shapeclustering -F font_properties -U unicharset number.normal.exp2.tr

      mftraining -F font_properties -U unicharset -O unicharset number.normal.exp2.tr

       cntraining  number.normal.exp2.tr

  执行完毕，将生成5个文件
  inttemp  normproto  pffmtable  shapetable   unicharset

6. 生成最终语言文件

  将以上五个文件前面都改名，前面加上 number.

然后，命令行执行

combine_tessdata number.

就会生成 number.traineddata, 将其拷贝的tesseract 执行目录的tessdata下

6. 通过命令行验证训练结果

tesseract number.normal.exp2.tif output -l number

执行后，执行结果在output.txt里

以上过程可以反复执行，不断修正精确度

四. 在c# 中使用

1.引入

          nuget引入 tesseract ,2.41版（为何使用低版本？2.41以上版本，无法在xp下使用，使用时报错，找不到libtesseract304.dll文件,事实上文件都在那里，而且需要的vc runtime 都装上了）   
          tesseract 2.41 依赖于vc++ runtime 2012 ,如果不安装，会报错找不到dll文件

2.代码

a.初始化

b.识别

参考：

https://blog.youkuaiyun.com/jianglei1310446/article/details/77572435