使用jTessBoxEditorFX制作自己的字库

1、下载jTessBoxEditorFX

注意jTessBoxEditor有两个版本，带FX的版本才支持中文字符编辑，我们下载带FX版本的。在这个网址上列出了所有的jTessBoxEditorFX版本。

• 选择了jTessBoxEditorFX-2.2.0安装
• 我们将图片放到jTessBoxEditorFX目录下新建的train_image文件夹下。

点击jTessBoxEditorFX.jar文件

2、生成tif文件

• 选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片，注意对话框中“文件类型”的选取，选择所有的图片文件
  选择好了后，点击打开按钮，出现文件保存对话框，输入文件名：first_pic.tif

3、使用tesseract生成.box文件

打开命令提示符，进入步骤2生成的first_pic.tif文件所在目录

 tesseract first_pic.tif first_pic -l chi_sim batch.nochop makebox

-l chi_sim参数是使用已经有的中文训练字库
这个字库是在tessdata目录里，可以自己拷贝进去

执行完成后，会在当前目录下生成.box文件。

4、使用jTessBoxEditor调整.box训练文件

.box文件中记录了每个字符在图片上的位置以及识别出的内容，训练之前需要使用jTessBoxEditor调整字符的位置和内容。
打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开生成的 .tif文件 ，会自动关联到.box 文件：

5、生成tr文件

tesseract 1.tif 1 nobatch box.train

生成一个unicharset文件

unicharset_extractor 1.box

问题1：

解决：

问题二：

$ brew install --with-training-tools tesseract

Error: invalid option: --with-training-tools

发现已经没有了–with-training-tools

查阅网上资料，发现需要编译安装…

解决：
Mac环境下编译安装tesseract-4.1.1

6、新建一个font_properties文件

里面内容写入 normal 0 0 0 0 0 表示默认普通字体
　
依次执行：

shapeclustering -F font_properties.txt -U unicharset 1.tr

mftraining -F font_properties.txt -U unicharset -O unicharset 1.tr

cntraining 1.tr

目录下会生成对应下列五个文件，在这五个文件前加上normal.进行重命名

7、 执行 combine_tessdata

合并五个文件，此时目录下的normal.traineddata 就是训练好的字库文件,放入/usr/local/share/tessdata

combine_tessdata normal.

8、使用自己的文字库normal

tesseract -l chi_sim+normal 【imageName】 【result】