如何为 Tesseract 4.1.0 创建训练数据文件

Posted 2023-04-17

【中文标题】如何为 Tesseract 4.1.0 创建训练数据文件

【英文标题】：How to Create Traineddata file For Tesseract 4.1.0

【发布时间】：2019-07-28 22:00:36

【问题描述】：

我想识别 NumberPlate 的字符。 如何在 ubuntu 16.04 中为各个车牌训练 tesseract-ocr。 因为我不熟悉培训。请帮我创建一个用于识别车牌的“traineddata”文件。

我有 1000 张车牌图片。

请调查一下。 任何帮助将不胜感激。

所以我尝试了以下命令

tesseract [langname].[fontname].[expN].[file-extension] [langname].[fontname].[expN] batch.nochop makebox

tesseract eng.arial.plate3655.png eng.arial.plate3655 batch.nochop makebox

但它给出了错误。

Tesseract Open Source OCR Engine v4.1.0-rc1-56-g7fbd with Leptonica
Error, cannot read input file eng.arial.plate3655.png: No such file or directory
Error during processing.

后来我试过了

tesseract plate4.png eng.arial.plate4 batch.nochop makebox

它有效，但在某些盘子中。 现在在第 2 步。我遇到了错误。

附上截图。

用于训练的板 4 图像

Step 1 和 Step p2 显示在终端

第 1 步和第 2 步后生成的文件

第 1 步和第 2 步后生成的文件内容

【参考方案1】：

为 Tesseract 4 创建 .traineddata

*注意：安装 tesseract 后打开 cmd 并执行以下操作。

第 1 步： 为我们要训练的图像制作 box 文件

语法：

tesseract [langname].[fontname].[expN].[file-extension] [langname].[fontname].[expN] batch.nochop makebox

例如：

tesseract own.arial.exp0.jpg own.arial.exp0 batch.nochop makebox

*注意：制作box文件后，我们必须更改或修改box文件中错误识别的字符。

第 2 步： 创建.tr文件（合成图像文件和盒子文件）

语法：

tesseract [langname].[fontname].[expN].[file-extension] [langname].[fontname].[expN] box.train

例如： tesseract own.arial.exp0.jpg own.arial.exp0 box.train

第 3 步： 从盒子文件中提取字符集（此命令的输出是 unicharset 文件）

语法：

unicharset_extractor [langname].[fontname].[expN].box 

例如：

unicharset_extractor  own.arial.exp0.box

第 4 步： 根据我们的需要创建一个 font_properties 文件。

语法：

echo "[fontname] [italic (0 or 1)] [bold (0 or 1)] [monospace (0 or 1)] [serif (0 or 1)] [fraktur (0 or 1)]" > font_properties 

例如：

echo "arial 0 0 1 0 0" > font_properties

第 5 步： 训练数据。

语法：

mftraining -F font_properties -U unicharset -O [langname].unicharset [langname].[fontname].[expN].tr

例如：

mftraining -F font_properties -U unicharset -O own.unicharset own.arial.exp0.tr

第 6 步：

语法：

cntraining [langname].[fontname].[expN].tr

例如：

cntraining own.arial.exp0.tr

*注意：在第 5 步和第 6 步之后创建了四个文件。(shapetable,inttemp,pffmtable,normproto)

第 7 步： 将四个文件（shapetable,inttemp,pffmtable,normproto）重命名为（[langname].shapetable,[langname].inttemp,[langname].pffmtable,[langname].normproto）

语法：

rename filename1 filename2

例如：

    rename shapetable own.shapetable
    rename inttemp own.inttemp
    rename pffmtable own.pffmtable
    rename normproto own.normproto

第 8 步： 创建 .traineddata 文件

语法：

combine_tessdata [langname].

例如：

combine_tessdata own.

*注意：我将只使用一张图像 exp0 来创建训练数据。如果你想训练多张图像，你可以训练即 exp1,exp2..expn

Reference

【讨论】：

请在您的回答中提供解释。

要创建 *.traineddata 文件，您应该执行上述步骤。之后复制 *.traineddata 并将其粘贴到 /path/Tesseract-OCR/tessdata。运行 tesseract 时，将命令设为“ tesseract inputimage outputfile -l yourlang"。如果您将traineddata 文件创建为“own.traineddata”，请将“yourlang”替换为“own”。

对于车牌识别，您必须尽可能多地训练车牌图像。您也可以使用 --use-words 选项来识别可能主要有单词的车牌。