Tesseract-OCR 训练中文

为了提高Tesseract库的中文识别率，可以对它进行中文字的训练。

1.首先安装Tesseract。这里注意要安装，因为安装的程序里面包含其他训练用到的程序，编译版本没有这些工具。

2.下载jTessBoxEditor工具。这个工具是Java写的，运行需要JRE。这个工具主要是用来修改BOX文件的，用来校对文字。下图为该工具的目录，直接点击红框中的程序即可跑起来。

这次准备让库可以识别取消这两个字，准备了5张图：

3.生成tif格式的文件

最好将图片都放在Tesseract库的安装目录下，然后就在这个目录下进行操作。点击jTessBoxEditor的Tools按钮中的Merge TIFF。然后将我们做样本的5张图片全部选中，点击打开。这时候会弹出另一个保存对话框，就是我们想要的tif文件，对于tif文件命名规则 [lang].[fontname].exp[num].tif。其中lang是语言，fontname是字体。按自己需求自行设定即可。点击保存，这时候目录下就有我们的tif文件了。