下载chi_sim.traindata字库

下载tesseract-ocr-setup-3.02.02.exe 

下载地址：http://code.google.com/p/tesseract-ocr/downloads/list

下载jTessBoxEditor用于修改box文件

下载地址：http://download.csdn.net/detail/a443475601/5896893 里面自带java运行库，安装后 然后启动命令行 java -jar jTessBoxEditor.jar即可打开

为了方便 tif文面命名格式[lang].[fontname].exp[num].tif

lang是语言 fontname是字体 

比如我们要训练自定义字库 image 字体名MyFont

那么我们把tif文件重命名 image.MyFont.exp0.tif

下面开始训练字库：

1、tesseract image.MyFont.exp0.tif image.MyFont.exp0 -l chi_sim batch.nochop makebox

该步骤会生成一个image.MyFont.exp0.box文件

把tif文件和box文件放在同一目录，用jTessBoxEditor.jar打开tif文件，然后根据实际情况修改box文件 

2、tesseract image.MyFont.exp0.tif image.MyFont.exp0 nobatch box.train

该步骤生成一个image.MyFont.exp0.tr文件

3、unicharset_extractor image.MyFont.exp0.box

该步骤生成一个unicharset文件

4、新建一个font_properties文件

里面内容写入MyFont 0 0 0 0 0 表示默认普通字体

5、运行命令

shapeclustering -F font_properties -U unicharset image.MyFont.exp0.tr

mftraining -F font_properties -U unicharset -O image.unicharset image.MyFont.exp0.tr

cntraining image.MyFont.exp0.tr

6、把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上image.

7、执行combine_tessdata image.

然后把image.traineddata放到tessdata目录

8、用新的字库对图片进行分析

tesseract test.tif output -l image

----------------------------------------------

转自[

]

----------------------------------------------

后记1：当在进行新语言训练时，应在jTessBoxEditor中将每个字符或字的边框单独修改，不能两个字用一个边框如你好，那样将导致Tesseract识别不出来！