【基本用法】

創(chuàng)新互聯服務項目包括洛江網站建設、洛江網站制作、洛江網頁制作以及洛江網絡營銷策劃等。多年來，我們專注于互聯網行業(yè)，利用自身積累的技術優(yōu)勢、行業(yè)經驗、深度合作伙伴關系等，向廣大中小型企業(yè)、政府機構等提供互聯網行業(yè)的解決方案，洛江網站推廣取得了明顯的社會效益與經濟效益。目前，我們服務的客戶以成都為中心已經輻射到洛江省份的部分城市，未來相信會繼續(xù)擴大服務區(qū)域并繼續(xù)獲得客戶的支持與信任！

1、tesseract 基本語法：

Usage:tesseract.exe p_w_picpathname outputbase [-l lang] [-psm pagesegmode] [configfile...]

pagesegmode values are:
0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the p_w_picpath as a single text line.
8 = Treat the p_w_picpath as a single word.
9 = Treat the p_w_picpath as a single word in a circle.
10 = Treat the p_w_picpath as a single character.
-l lang and/or -psm pagesegmode must occur before anyconfigfile.

Single options:
-v --version: version info
--list-langs: list available languages for tesseract engine

tesseract p_w_picpathname outputbase [-l lang] [-psm pagesegmode] [configfile...]
tesseract    圖片名  輸出文件名 -l 字庫文件 -psm pagesegmode 配置文件

2、示例：

（1）、

tesseract code.jpg code -l chi_sim -psm 7 digits
code 生成code.txt的結果文件
-l chi_sim 表示用簡體中文字庫
-psm 7 表示告訴tesseract code.jpg圖片是一行文本，默認為 3
configfile 參數值為tessdata\configs 和 tessdata\tessconfigs 目錄下的文件名
digits 內容為 tessedit_char_whitelist 0123456789-. 表示數字

（2）、白名單

tesseract code.jpg code -l eng -psm 7 -c tessedit_char_whitelist="ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"

（2）、黑名單

tesseract code.jpg code -l eng -psm 7 -c tessedit_char_blacklist="abcdefghijklmnopqrstuvwxy"

【訓練】（以訓練arial字體為例）

1、準備一張字體圖片如下。

2、用 jTessBoxEditor 將圖片轉為tif文件，將tif文件命名為 eng.arial.exp0.tif。注意這里其實可以選多張圖片。

Tools -> Merge TIFF...

3、生成坐標文件（.box）。

tesseract.exe eng.arial.exp0.tif eng.arial.exp0 batch.nochop makebox

【語法】：tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox

lang為語言名稱，fontname為字體名稱，num為序號；在tesseract中，一定要注意格式。

4、在當前目錄創(chuàng)建 font_properties 文件，內容如下。

eng.arial.exp0.box 1 1 1 0 0

【語法】：<fontname> <italic> <bold> <fixed> <serif> <fraktur>

fontname為字體名稱，italic為斜體，bold為黑體字，fixed為默認字體，serif為襯線字體，fraktur德文黑字體，1和0代表有和無，精細區(qū)分時可使用。

5、字符校正。

打開jTessBoxEditor，BOX Editor -> Open，打開 eng.arial.exp0.tif，注意多頁時頁面切換。

6、執(zhí)行批處理文件（arial.bat），生成.traineddata文件。

echo Run Tesseract for Training.. 
tesseract eng.arial.exp0.tif eng.arial.exp0 nobatch box.train 
 
echo Compute the Character Set.. 
unicharset_extractor eng.arial.exp0.box 
mftraining -F font_properties -U unicharset -O arial.unicharset eng.arial.exp0.tr 


echo Clustering.. 
cntraining eng.arial.exp0.tr 

echo Rename Files.. 
rename normproto arial.normproto 
rename inttemp arial.inttemp 
rename pffmtable arial.pffmtable 
rename shapetable arial.shapetable  

echo Create Tessdata.. 
combine_tessdata arial. 

echo. & pause

7、將生成文件中的arial.traineddata 文件拷貝到相應tessdata目錄就可以使用啦！

tesseract code.jpg code -l arial

【參考文獻】

1、啥都不懂也能識別驗證碼

2、Tesseract-OCR的簡單使用與訓練

3、Adding New Fonts to Tesseract 3 OCR Engine

4、Python做簡單的驗證碼識別(ocr)

*** walker ***

另外有需要云服務器可以了解下創(chuàng)新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

分享標題：tesseract-ocrtips-創(chuàng)新互聯
新聞來源：http://chinadenli.net/article2/ceeeic.html

成都網站建設公司_創(chuàng)新互聯，為您提供網站制作、App設計、定制開發(fā)、微信公眾號、網站內鏈、Google

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯