ocr - 在Tesseract 3中添加新字体

我正在尝试向tesseract ocr添加新字体。我正在关注this tutorial，但是遇到了一些问题。

到目前为止，这是我所做的:

创建培训文档
convert eng.myfont.exp0.pdf eng.myfont.exp0.tif

火车Tesseract
tesseract eng.myfont.exp0.tif eng.myfont.exp0 batch.nochop makebox
这创建了我的eng.myfont.exp0.box文件。

我使用moshpytt打开文件，并确保正确检测到它。

将盒子文件反馈回tesseract
tesseract eng.myfont.exp0.tif eng.myfont.exp0.box nobatch box.train.stderr
我有这个结果:

eng.myfont.exp0.box.tr文件和eng.myfont.exp0.box.txt生成

尝试检测框文件中使用的字符集(这是我卡住的地方)
unicharset_extractor *.box

结果:



我也尝试了unicharset_extractor eng.myfont.exp0.box具有相同的结果。

我正在使用:

tesseract 3.03

leptonica-1.70

libgif 4.1.6(？):libjpeg 8d:libpng 1.2.50:libtiff 4.0.3:zlib 1.2.8:webp 0.4.0

Ubuntu 14.04.1 LTS

最佳答案

Ubuntu 14.04中省略了针对Tesseract 3.03 RC的培训工具。因此，要么回到Tesseract 3.02，要么升级到应该具有的Ubuntu 14.10。

关于ocr - 在Tesseract 3中添加新字体，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/26205480/