Mac Tesseract 4.1.1 样本训练超详细教程
乔布斯的橘子 2021-03-17 01:40:17 483 收藏 2
文章标签： opencv python 图像识别 ocr
版权
安装
Mac直接安装tesseract的话无法附带安装training tools
如果已经安装了没有training tools的tesseract，请先卸载
brew uninstall tesseract
先安装一些依赖的包
# Packages which are always needed.
brew install automake autoconf libtool
brew install pkgconfig
brew install icu4c
brew install leptonica
# Packages required for training tools.
brew install pango
# Optional packages for extra features.
brew install libarchive
# Optional package for builds using g++.
brew install gcc
从下列链接下载tesseract-4.1.1.tar.gz并解压
https://github.com/tesseract-ocr/tesseract/releases
编译并安装
cd tesseract-4.1.1
./autogen.sh
mkdir build
cd build
# Optionally add CXX=g++-8 to the configure command if you really want to use a different compiler.
../configure PKG_CONFIG_PATH=/usr/local/opt/icu4c/lib/pkgconfig:/usr/local/opt/libarchive/lib/pkgconfig:/usr/local/opt/libffi/lib/pkgconfig
make -j
# Optionally install Tesseract.
sudo make install
# Optionally build and install training tools.
make training
sudo make training-install
下载完不会附带着一起下载数据集，通过下列链接自行下载需要的语言
https://github.com/tesseract-ocr/tessdata
训练
首先，收集数据样本（若干张需要训练的图片）
图片格式需要转换为tif
下载并打开jTessBoxEditor （注意，该软件需要java8环境，请自行配置）:
https://pilotfiber.dl.sourceforge.net/project/vietocr/jTessBoxEditor/jTessBoxEditor-2.3.1.zip
在jTessBoxEditor中Tools->Merge TIFF将所有tif文件合并
将合并后的tif文件重命名为eng.num.exp0.tif
生成box文件，用来纠正识别错误
tesseract eng.num.exp0.tif eng.num.exp0 -l eng batch.nochop makebox
此时，应该有eng.num.exp0.tif和eng.num.exp0.box两个文件
使用jTessBoxEditor打开eng.num.exp0.tif
(Box Editor->Open->eng.num.exp0.tif)
纠正识别错误
新建一个文件，取名font_properties，并填入下列内容
font 0 0 0 0 0
执行如下命令训练数据
tesseract eng.num.exp0.tif eng.num.exp0 nobatch box.train
unicharset_extractor eng.num.exp0.box
shapeclustering -F font_properties -U unicharset eng.num.exp0.tr
mftraining -F font_properties -U unicharset -O unicharset eng.num.exp0.tr
cntraining eng.num.exp0.tr
mv inttemp num.inttemp
mv normproto num.normproto
mv pffmtable num.pffmtable
mv shapetable num.shapetable
mv unicharset num.unicharset
combine_tessdata num.
执行后，会有如下文件
将num.traineddata移到相应路径便可使用
我的路径是/usr/local/share/tessdata/