如何提高Tesseract-OCR的識別精度

1、如何提高Tesseract-OC的識別精度概述：本文介紹了提高Tesseract-OC職別精度的步驟及注意事項。通過對Tesseract-OCR的訓練能有效提高Tesseract-OCR勺識別精度，特別是對與驗證碼識別方面有很大幫助。關鍵字：Tesseract-OC險證碼，自動識別，手冊，教程1 .使用步驟1.1. MakeBoxFiles1.1.1. commandtesseractlang.fontname.expnum.tiflang.fontname.expnum-lspecifiedLangbatch.nochopmakebox1.1.2. outputlang.fontname.e

2、xpnum.box1.2. FixBox1.2.1. commandjTessBoxEditor1.2.2. output1.3. RunTesseractforTrainingnobatch1.3.1. commandtesseractlang.fontname.expnum.tiflang.fontname.expnumbox.train1.3.2. outputlang.fontname.expnum.trlang.fontname.expnum.txt1.4. ComputetheCharacterSet1.4.1. commandunicharset_extractorlang.fo

3、ntname.expnum.box1.4.2. outputunicharset1.5. Clustering1.5.1. command1mftraining-Ffont_properties-Uunicharsetlang.fontname.expnum.tr1.5.2. output1inttempmfunicharsetMicrofeatpffmtable1.5.3. command2entraininglang.fontname.expnum.tr1.5.4. output2normproto1.6. Combine1.6.1. commandeombine_tessdatadir/

4、lang.1.6.2. outputlang.traineddata1.7. Test1.7.1. commandtesseractspeeifiedTifoutput-lspeeifiedLang-psm71.7.2. outputoutput.txt2 .使用說明2.1. 關于名稱的說明在各個步驟中多處出現(xiàn)類似lang.fontname.expnum的名稱，這個是按照tesseract的使用說明寫的，但在實際使用過程中并不是必須的，可以從簡。例如：my.ealibri.exp0.tif寫成my.tif也是可以的。2.2. 關于步驟的說明2.2.1. MakeBoxFile-lspecfie

5、dLang用人認為主要是為了減少步驟2(FixBox)的工作量而使用的。選擇合適的文件可以讓生成的box更加準確，減少修改工作量。2.2.2. FixBoxjTessBoxEdito是一個tesseract-OCR勺輔助工具，主要用來修改生成的Box。它還有2個不錯的功能就是：1、合并tif文件；2、利用一個文本和設置的字體生成一個tif圖片。在用jTessBoxEdito修改生成的Box過程中需要注意，如果tesseract-OCRS有認出某個tif圖片上的文字，最好不要自行添加，也不要對粘連的字符進行split或?qū)Ψ珠_的字符進行mergeo因為很可能即使這么做了，在步驟3(RunTesse

6、ractforTraining)里也只是會收到一個錯誤提示。通過用jTessBoxEditorX寸識別錯誤的Box進行修改，可以有效提高Tesseract-OCR的識別精度，特別是在圖片中的字符出現(xiàn)粘連的情況下。jTessBoxEdito的下載地址是：2.2.3. Clustering按照tesseract-OCR的說明，在這個步驟里是可以一次對多個tr進行操作的，但我每次都提示程序出錯，所以我采取合并文件的方式來變通。2.2.4. Combine這個步驟所生成的traineddata文件就是tesseract-OCRl行識別的關鍵。在執(zhí)行combine_tessdata命令前，請斗等步驟4(

7、ComputetheCharacterSet和5(Clustering)中生成城6個文件重命名，在文件名前加上“l(fā)ang.”。例如：lang是my,則對應的文件名就是tempmy.mfunicharsetmy.Microfeatmy.pffmtablemy.normproto)如果命令參數(shù)中用dir指定了目錄，請將上述5個文件一起復制到指定的目錄中。2.2.5. Test生成traineddata后，就可以用訓練所使用的tif圖片進行測試?？梢酝ㄟ^-1命令指定使用新生成的traineddata。例如：my.traineddata則在使用時就輸入“-1my”(即不帶后綴的文件名)。測試的結果將會輸出到output