Google开源OCR项目Tesseract训练(自己训练的记录,未成功)_google ocr

本文训练Tesseract用的方法主要参考文章 http://my.oschina.net/lixinspace/blog/60124 ，下面自写下自己的训练记录！

看懂本文需要上一篇博文（Google开源OCR项目Tesseract安装版在Windows下的使用测试记录）的基础！

一、

准备若干张待训练图片（我这里准备了10张），并全部转化为tif格式，我这里使用的转换软件是iSee，下载链接：iSee.rar_免费高速下载|百度网盘-分享无限制，具体使用方法如下图所示：

我准备的待训练图片（已转化为tif格式）下载链接：train2_tiff.rar_免费高速下载|百度网盘-分享无限制

二、下载jTessBoxEditor-1.0（下载链接  http://pan.baidu.com/s/1geRbgQ3），并使用这个工具把上面的10张待训练的tif图片合成为一张tif图片，合成的tif图片取名为orderNo04.tif。

注意：要运行jTessBoxEditor-1.0，需要安装Java Runtime Environment，版本为6.0以上，这里给大家“Java Runtime Environment-6.0.450.exe”的下载链接：Java Runtime Environment-6.0.450.exe_免费高速下载|百度网盘-分享无限制

相关操作截图如下：

三、把orderNo04.tif复制到Tesseract的安装目录Tesseract-OCR下。

四、在CMD窗口下运行下面的语句：

tesseract.exe orderNo04.tif orderNo04 batch.nochop makebox

上面语句运行后生成了orderNo04.box文件，里面存储了tesseract.exe的识别结果，包括每个识别区域的坐标，区域大小及识别出来的字符等...

若要用已经训练好的数据库来生成box文件，比如用中文识别数据库chi_tra.traineddata，就执行下面的语句：

tesseract.exe orderNo04.tif orderNo04 -l chi_tra batch.nochop makebox

五、利用jTessBoxEditor-1.0编辑box文件，如下图所示：

六、修改完成后，运行下面的语句：

tesseract.exe orderNo4.tif orderNo04 nobatch box.train

我就卡在这一部了，不管作何种尝试，就报下面的错误：

Cannot open input file: orderNo4.tif

明明orderNo4.tif是在文件夹Tesseract-OCR下面的，却说不能打开这个图片文件，真是够了！这个问题搞了两天，也搞不定，只好作罢，暂时放在这里，但愿以后能解决吧！

博主2022-04-18 11:31:07注：博主当时太粗心了，把文件名给写错了，详情大家看此篇博文下大家的回复吧。