tesseract-ocr训练数据步骤

一，下载jTessBoxEditor工具

jTessBoxEditor工具是采用Tesseract的一款专业的orc样本识别训练软件，基于java开发而来，可以进行Tesseract样本训练，形成自己的语言库,提高图片文字的识别率和准确率。

官网下载地址：
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

二，使用方法

1. 配置好Java开发环境，解压文件，点击下图中的两个文件都可以启动
   
   启动成功后的界面
   

2. 操作步骤
   制作图片 --> 生成box文件 --> 训字操作 --> 制作新库

3. 生成box文件
   

4. 训字操作

• 运行后在图片同目录生成box文件
• 还是使用jTessBoxEditor软件，打开图片，见到如下界面
• 
• 矫正错误的字
  

5. 制作新库
   
6. 新库制作完成，在图片文件夹下会产生tessdata目录，制作的新库就在tessdata目录下
7. 使用新库

• 然后把新库拷到Tesseract-OCR\tessdata目录下就可以使用了：
• 在Python代码中使用新库时，记得修改配置

text = pytesseract.image_to_string(im, lang='pingan_ocr')