jTessBoxEditor

jTessBoxEditor是用来训练ocr识别样本用的，由于该工具是用JAVA开发的，需要安装JAVA虚拟机才能运行。tesseract-ocr 文字识别 样本训练，打开jtessboxeditor，点击Tools->Merge Tiff ，按住shift键选择前文提到的101个tif文件，并把生成的tif合并到新目录d:\python\lnypcg\new下，命名为langyp.fontyp.exp0.tif。

注意： langyp 是本人定义的语言名称， fontyp是本人定义的字体名称，后续都会用到，你可以修改成你喜欢的名字。运行jTessBoxEditor工具，在点击菜单栏中Tools--->Merge TIFF。在弹出的对话框中选择样本图像（按Shift选择多张），合并成num.font.exp0.tif文件。

jtessboxeditor怎么用

步骤如下：

1、运行——CMD（WIN7要以管理员身份运行）

2、清空你的硬盘隐藏的vodcache文件夹内的所有文件

3、从新下载你下载的视频，然后将vodcache文件夹内所有的文件（TDL文件一定要全部）复制到一个磁盘的根目录，比如E：

4、在CMD中输入E：，然后回车，在E：/>后输入copy/b *.tdl 1.mp4

5、你就能看到在你的E盘有一个1.mp4了。

生成box文件

执行命令生成 langyp.fontyp.exp0.box 文件

tesseract langyp.fontyp.exp0.tif langyp.fontyp.exp0 -l eng -psm 7 batch.nochop makebox

D:\python\lnypcg\new>tesseract langyp.fontyp.exp0.tif langyp.fontyp.exp0 -l eng -psm 7 batch.nochop makeboxTesseract Open Source OCR Engine v3.02 with LeptonicaPage 1 of 101Page 2 of 101Page 3 of 101

……Page 101 of 101D:\python\lnypcg\new>dir

 驱动器 D 中的卷没有标签。

 卷的序列号是 36D9-CDC7

 D:\python\lnypcg\new 的目录

2016-06-03  14:37    <DIR>          .

2016-06-03  14:37    <DIR>          ..

2016-06-03  14:30             6,327 langyp.fontyp.exp0.box2016-06-03  13:07           126,056 langyp.fontyp.exp0.tif

               2 个文件        132,383 字节

               2 个目录 24,869,994,496 可用字节

修改box文件

切换到jTessBoxEditor工具的Box Editor页，点击open，打开前面的tiff文件langyp.fontyp.exp0.tif，工具会自动加载对应的box文件。

检查box数据，如下图所示，数字8被误认成字母H，手工修改H成8，并保存。

点击下图红色框的按钮，逐个核对tif文件的box数据，全部检查结束并保存。

生成font_properties

执行echo命令生成font_properties。

echo fontyp 0 0 0 0 0 >font_properties

也可以手工新建一个名为font_properties的文本文件（注意该文件没有扩展名），内容为字体名fontyp，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

D:\python\lnypcg\new>echo fontyp 0 0 0 0 0 >font_properties

D:\python\lnypcg\new>type font_properties

fontyp 0 0 0 0 0

生成训练文件

执行命令，生成langyp.fontyp.exp0.tr训练文件

tesseract langyp.fontyp.exp0.tif langyp.fontyp.exp0 -l eng -psm 7 nobatch box.train