Tesseract_OCR 合並字庫

1.前期准備工作：

    1.需要生成的字符集    .tif文件，位置文件     .box文件

   現在有三個需要合並的字典

（1）.（zwp1.test.exp0.tif，zwp1.test.exp0.box）

（2）.（zwp82.test.exp0.tif，zwp83.test.exp0.box）

 （3）.  (zwp83.test.exp0.tif,  zwp83.test.exp0.box)

 

box和tif文件

 

2.合並過程：

  1、先生成相對應的 .tr 文件（如果你之前訓練的.tr 有的話，可以忽略這步）

   tesseract zwp1.test.exp0.tif zwp1.test.exp0 nobatch box.train

   tesseract zwp82.test.exp0.tif zwp82.test.exp0 nobatch box.train

   tesseract zwp83.test.exp0.tif zwp83.test.exp0 nobatch box.train

生成.tr文件

2、從所有文件中提取字符

   unicharset_extractor zwp1.test.exp0.box zwp82.test.exp0.box zwp83.test.exp0.box

所有文件中提取字符

3、生成字體特征文件

   新建的font.txt文件，在文件中把所有box文件對應的字體特征都加進去（如果不知道，可以去原來考出來的字庫文件找font_properties文件查看）

   test 0 0 0 0 0

   test 0 0 0 0 0

   test 0 0 0 0 0

然后執行如下命令：

   mftraining -F font.txt -U unicharset zwp1.test.exp0.tr zwp82.test.exp0.tr zwp83.test.exp0.tr

生成字體特征文件

4 、聚集所有.tr 文件

   cntraining zwp1.test.exp0.tr zwp82.test.exp0.tr zwp83.test.exp0.tr

聚集所有.tr 文件

5 、重命名文件，把unicharset, inttemp, normproto, pfftable，shapetable 這幾個文件加了前綴zwpnew. (目的是為了后面的聚集合並)

   rename normproto zwpnew.normproto

   rename inttemp zwpnew.inttemp

   rename pffmtable zwpnew.pffmtable

   rename shapetable zwpnew.shapetable

   rename unicharset zwpnew.unicharset

重命名文件

6、合並所有文件 生成一個大的字庫文件

   combine_tessdata zwpnew.

合並文件

7、最后文件夾中就可以看到生成的.traineddata訓練庫

.traineddata訓練庫