字符訓練網上一搜一大堆,但做爲一個初學者而言,字符合併網上卻寫的很籠統python
首先,須要 生成的字符集.tif文件,位置文件 .box ,只要有這兩個文件在,就能夠合併字典(這個說的頗有道理的樣子)
好了,我如今有三個須要合併的字典git
(1).(why3.楷體.exp0.tif,why3.楷體.exp0.box)github
(2).(why4.microsoftyaheiuilight.exp0.tif,why4.microsoftyaheiuilight.exp0.box)測試
(3). (why5.隸書b.exp0.tif,why5.隸書b.exp0.box)字體
一、先生成相對應的 .tr 文件
//本身的命令根據本身的狀況進行修改ui
tesseract why3.楷體.exp0.tif why3.楷體.exp0 nobatch box.train
tesseract why4.microsoftyaheiuilight.exp0.tif why4.microsoftyaheiuilight.exp0 nobatch box.train
tesseract why5.隸書b.exp0.tif why5.隸書b.exp0 nobatch box.train
二、從全部文件中提取字符
//本身的命令根據本身的狀況進行修改google
unicharset_extractor why3.楷體.exp0.box why4.microsoftyaheiuilight.exp0.box why5.隸書b.exp0.box
三、生成字體特徵文件
新建的font.txt文件,在文件中把全部box文件對應的字體特徵都加進去(若是不知道,能夠去原來考出來的字庫文件找.font_properties文件查看)spa
楷體 0 0 0 0 0
microsoftyaheiuilight 0 0 0 0 0
隸書b 0 1 0 0 0
寫完以後,執行以下命令:.net
mftraining -F font.txt -U unicharset why3.楷體.exp0.tr why4.microsoftyaheiuilight.exp0.tr why5.隸書b.exp0.tr
4 、彙集全部.tr 文件
3d
cntraining why3.楷體.exp0.tr why4.microsoftyaheiuilight.exp0.tr why5.隸書b.exp0.tr
5 、重命名文件,我把unicharset, inttemp, normproto, pfftable,shapetable 這幾個文件加了前綴why. (本身定,隨意) //我加的是together.
六、合併全部文件 生成一個大的字庫文件
combine_tessdata together.
目錄下生成的結果以下:
把合併字庫拷進以下目錄:
測試圖片以下:
執行以下代碼:
# coding=utf-8 __author__ = 'syq' #https://github.com/tesseract-ocr import sys import importlib #reload(sys) importlib.reload(sys); #sys.setdefaultencoding('utf-8') import os; os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8' try: from pyocr import pyocr from PIL import Image except ImportError: print('模塊導入錯誤,請使用pip安裝,pytesseract依賴如下庫:') print('http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil') print('http://code.google.com/p/tesseract-ocr/') raise SystemExit tools = pyocr.get_available_tools()[:] if len(tools) == 0: print("No OCR tool found") sys.exit(1) print("Using '%s'" % (tools[0].get_name())) print(tools[0].image_to_string(Image.open('pic\\123.png'),lang='together'))
結果以下:
效果還能夠,厲害了
參考:http://blog.csdn.net/dragoo1/article/details/8439272
http://www.lxway.com/815805156.htm