利用jTessBoxEditor工具进行Tesseract3.02.02样本训练,提高识别率

本文主要是介绍利用jTessBoxEditor工具进行Tesseract3.02.02样本训练,提高识别率,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

利用jTessBoxEditor工具进行Tesseract3.02.02样本训练,提高识别率

1 . 下载Tesseract-OCR(相关版本自行选择)
得到目录结构如下:
这里写图片描述
tessdata目录为相关的语言包文件目录

2 .下载jTessBoxEditor(运行环境为java虚拟机)
得到目录结构如下:
这里写图片描述

打开方式如下:
这里写图片描述

工具都安装完成了,我们接下来测试下tesseract
我的测试图片如下:
这里写图片描述

在命令行输入 : tesseract b.jpg output -l eng -psm 7
这里写图片描述
其中eng为你tesseract目录tessdata里的已有的eng语言包

接下来把识别的结果用文本打印出来,输入:type output.txt
这里写图片描述

可以看到eng的语言包识别有错误的结果,4识别成了1o

所以在我们开发中针对我们要识别的字体,进行我们自己训练的语言是很有必要的

3 . 训练自己的语言包文件
a. 用jTessBoxEditor把要训练样本图片文件合并成tif文件(样本图片一定要为有效的格式图片)
运行jTessBoxEditor程序,界面如下:
这里写图片描述

点击顶栏的Tools选项,选择Merge TIFF.. 进入你要训练的样本图片所在的目录,点击Ctrl+Alt+A,选择所有图片点击打开:
这里写图片描述

然后保存文件名到指定目录,我这里保存的文件名为: langyp.font.exp0.tif

这里写图片描述

b.生成Box文件
打开cmd,到你langyp.font.exp0.tif文件所在目录,执行tesseract langyp.font.exp0.tif langyp.font.exp0 -l eng -psm 7 batch.nochop makebox 命令
这里写图片描述

结果生成了langyp.font.exp0.box文件
这里写图片描述

C. 对样本图片用jTessBoxEditor工具进行矫正
点击jTessBoxEditor工具的Box Editor选项,点击下方的open选项,打开刚刚生成的langyp.font.exp0.tif文件,结果如下:
这里写图片描述

右侧为对应的Box文件数据,如果char的字符和当前的样本图片一致时就进行矫正,修改char里的字符,然后进行save,这样就矫正了,进入下张样本图片时,同样,矫正后点击save,当所有样本图片都矫正了,这一步也就完成了

d.生成font_properties文件(该文件没有后缀名)
在命令行执行:echo font 0 0 0 0 0 >font_properties
结果生成了font_properties文件
这里写图片描述
内容为字体名font,后面带5个0,分别代表字体的粗体、斜体等属性,这里全部是0

e.生成.tr训练文件
在命令行执行: tesseract langyp.font.exp0.tif langyp.font.exp0 -l eng -psm 7 nobatch box.train

这里写图片描述

会生成框内两个文件

f.生成字符集文件
在命令行执行 : unicharset_extractor langyp.font.exp0.box
这里写图片描述

结果生成了unicharset文件

g.生成shape文件
在命令行执行 : shapeclustering -F font_properties -U unicharset -O langyp.unicharset langyp.font.exp0.tr
这里写图片描述
结果生成了shapetable文件和langyp.unicharset文件

h.生成聚集字符特征文件
在命令行执行: mftraining -F font_properties -U unicharset -O langyp.unicharset langyp.font.exp0.tr
这里写图片描述

结果生成了pffmtable,inttemp,unicharset文件

i.生成字符正常化特征文件
在命令行执行: cntraining langyp.font.exp0.tr
这里写图片描述

结果生成了normproto文件

j.把h,i步骤生成的文件用rename命令进行更名
在命令行执行:
**rename normproto fontyp.normproto
rename inttemp fontyp.inttemp
rename pffmtable fontyp.pffmtable
rename unicharset fontyp.unicharset
rename shapetable fontyp.shapetable**
这里写图片描述

k.合并训练文件
在命令行执行: combine_tessdata fontyp.
这里写图片描述

l.将fontyp.traineddata文件拷贝至Tesseract-OCR文件夹里的tessdata语言包文件夹里

测试 :
cmd操作回到样本图片的目录,如果没有你当前目录没有该样本图片,执行命令时会提示”Cannot open input file: b.jpg”,还有执行指定的新的语言包,Tesseract-OCR目录的tessdata的文件夹必须要有新的语言包文件
执行命令: tesseract b.jpg output -l fontyp -psm 7(fontyp为训练的语言包文件)
最后执行 : type output.txt
这里写图片描述

可以看见没有一个错误,最后用其它的样本进行识别,都能完全识别,用默认的eng语言包识别错误的”4”,用新的语言包识别后都没有错

本文档训练的语言包文件可用作身份证识别的语言包文件和车牌识别的语言包文件!

版本申明: 转载或者用作其它用途,请标明出处!

这篇关于利用jTessBoxEditor工具进行Tesseract3.02.02样本训练,提高识别率的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/522621

相关文章

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Java进行文件格式校验的方案详解

《Java进行文件格式校验的方案详解》这篇文章主要为大家详细介绍了Java中进行文件格式校验的相关方案,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、背景异常现象原因排查用户的无心之过二、解决方案Magandroidic Number判断主流检测库对比Tika的使用区分zip

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

利用Python开发Markdown表格结构转换为Excel工具

《利用Python开发Markdown表格结构转换为Excel工具》在数据管理和文档编写过程中,我们经常使用Markdown来记录表格数据,但它没有Excel使用方便,所以本文将使用Python编写一... 目录1.完整代码2. 项目概述3. 代码解析3.1 依赖库3.2 GUI 设计3.3 解析 Mark

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详