tesseract3.02.02中文训练 使用jTessBoxEditor 打开BOX文件中文乱码

Posted 2023-04-30

使用jTessBoxEditor 打开BOX文件中文乱码，不能输入中文，汉字，乱码；生成的BOX文件对中文也是支持的不是很好，怎么解决？

参考技术A 请改用EXCEL2003中文版如实在实在实在不能改,那你要费事了就是去别的机器找中文的FONT文件,一个一个的考到本机WINDOWS的FONT目录下

如何从图像生成 tiff/box 文件以在 Windows 中训练 Tesseract

【中文标题】如何从图像生成 tiff/box 文件以在 Windows 中训练 Tesseract

【英文标题】：How to generate a tiff/box file from an image to train Tesseract in Windows

【发布时间】：2015-10-23 10:35:58

【问题描述】：

我正在尝试在 Windows 中训练 Tesseract，为此我需要一对 tiff/box 文件，我正在尝试使用 jTessBoxEditor 创建它，但它不接受图像作为输入。我也试过 boxFactory 但它不能正常运行。有谁知道从图像创建配对的最佳工具是什么？

谢谢

【参考方案1】：

如果你有 jTessBoxEditor，那么你就有 Tesseract bin 文件。转到 jTessBoxEditor 的 tesseract-ocr 子文件夹并运行以下命令：

tesseract.exe D:\testocr\TestImage.tif D:\testocr\TestImage batch.nochop makebox

它应该生成文件D:\testocr\TestImage.box。 然后在 jTessBoxEditor 中，转到 Box Editor 选项卡并打开您的图像。 box文件会自动加载，您可以检查是否一切正常并纠正可能的错误。

【讨论】：

我试过了，但它对我不起作用。它说打开数据文件时出错 C:\Program Files\Tesseract-OCR\eng.traineddata 请确保将 TESSDATA_PREFIX 环境变量设置为您的“tessdata”目录。加载语言 'eng' 失败 Tesseract 无法加载任何语言！无法初始化 tesseract。

【参考方案2】：

我遇到了同样的问题，无法使用 jTessBoxEditor 正确打开图像以使用他们的盒子。我意识到一个重要的组成部分是.tif 图像的名称和.box 文件的名称必须相同，除了不同的扩展名。没有这个，jTessBoxEditor 将无法知道哪个盒子文件与哪个图像一起使用。因此，使用上面的 darkpotpot 建议的语法，然后确保两个文件名匹配，然后单击 jTessBoxEditor 的 Box Editor 选项卡中的“打开”按钮应该可以工作。