前面的步骤都一样,从第4步开始
4、使用tesseract生成.box文件:
tesseract eng.handwriting.exp0.tif eng.handwriting.exp0 -l eng -psm 7 batch.nochop makebox
5、矫正一下识别有问题的字符
6、生成font_properties文件:
只要字符部分,不要语言部分,也不要exp【数字】这里
echo handwriting 0 0 0 0 0 >font_properties
7、使用tesseract生成.tr训练文件:
tesseract eng.handwriting.exp0.tif eng.handwriting.exp0 nobatch box.train
成功生成一个tr文件
8、生成字符集文件:
unicharset_extractor eng.handwriting.exp0.box
9、生成shape文件:
shapeclustering -F font_properties -U unicharset -O eng.handwriting.exp0.unicharset eng.handwriting.exp0.tr
会生成 shapetable 和 zwp.unicharset 两个文件。
10、生成聚字符特征文件:
会生成 inttemp、pffmtable、shapetable和eng.handwriting.exp0.unicharset四个文件。
mftraining -F font_properties -U unicharset -O eng.handwriting.exp0.unicharset eng.handwriting.exp0.tr
11、生成字符正常化特征文件:会生成 normproto 文件。
cntraining eng.handwriting.exp0.tr
12、文件重命名:
重新命名inttemp、pffmtable、shapetable和normproto这四个文件的名字为[lang].xxx。
这里修改为zwp.inttemp、zwp.pffmtable、zwp.shapetable和zwp.normproto
rename normproto eng.normproto
rename inttemp eng.inttemp
rename pffmtable eng.pffmtable
rename shapetable eng.shapetable
13、合并训练文件:
执行下面命令,会生成handwritingEng.traineddata文件。
combine_tessdata eng.