tesseract训练字符中遇到的问题总结

参考文章： /article/3454371.html 的采用tessract库训练字符的过程，

对中文字符库，比如车牌中的省份简称等的训练，字母的训练，数目和字母的训练。

在训练过程中，发现了以下问题：

1、font_properties的文件创建：

文件中的内容为：UnknownFont 0 0 0 0 0

因为在训练过程中，我并没有对文件命名，所以系统默认是：UnknownFont 这个名称。

2、把unicharset, inttemp, normproto, pfftable这四个文件加上前缀“orderNo.”时，少写了一个文件shapetable，此文件也应该重新命名。

3、鉴于 http://www.lixin.me/blog/2012/05/26/29536 在下面讨论中，提到的3.02版本需要一个 shapeclustering 过程

Example:

font_properties file:

timesitalic 1 0 0 1 0

shapeclustering -F font_properties -U unicharset eng.timesitalic.exp0.tr

mftraining -F font_properties -U unicharset -O eng.unicharset eng.timesitalic.exp0.tr

其实是没有必要的。

以下附上命令行使用，可以将这些拷贝到一个文件中，命名为.bat文件，就可以直接使用，而不用一行一行敲代码了。

tesseract.exe letterNumMerge.tif letterNumMerge batch.nochop makebox
pause
tesseract.exe letterNumMerge.tif letterNumMerge nobatch box.train
unicharset_extractor.exe letterNumMerge.box
mftraining.exe -F font_properties -U unicharset letterNumMerge.tr
cntraining.exe letterNumMerge.tr
rename normproto letterNumMerge.normproto
rename unicharset letterNumMerge.unicharset
rename inttemp letterNumMerge.inttemp
rename pffmtable letterNumMerge.pffmtable
rename shapetable letterNumMerge.shapetable
pause
combine_tessdata.exe letterNumMerge.
pause