第一步合成图片集 你需要把使用jTessBoxEditor工具把你的训练素材及多张图片合并成一张tif格式的图片集 第二步  生成box文件 运行tesseract命令,tesseract mjorcen.normal.exp0.tif mjorcen.normal.exp0 batch.nochop makebox,生成box文件 , 第三步 用 jTessBoxEditor打开生成的图片集 mjorcen.normal.exp0.tif ,注意  mjorcen.normal.exp0.ti

文中测试了3.0和4.0两个版本.发现3.0识别效率不准确,需要训练词库.4.0识别效率就比较高了,而且支持结果生成pdf.txt等格式.所以推荐使用4.0版本. 这个工具可以用在爬虫的时候获取验证码进行识别且自动输入验证码的功能. git地址:https://github.com/tesseract-ocr/tesseract 下载地址:https://digi.bib.uni-mannheim.de/tesseract/ 1.下载安装 我下载的是 3.05.01,自带了中文词库. 下载完成后

由于tesseract的中文语言包“chi_sim”对中文字体或者环境比较复杂的图片,识别正确率不高,因此需要针对特定情况用自己的样本进行训练,提高识别率,通过训练,也可以形成自己的语言库. 工具: Java虚拟机,由于jTessBoxEditor的运行依赖Java运行时环境,所以需要安装Java虚拟机.下载地址:http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html jTessBox

参考: http://www.cnblogs.com/cnlian/p/5765871.html http://www.cnblogs.com/wzben/p/5930538.html 1.下载 Tesseract-OCR 及对应版本的 chi_sim.traindata 字库. 一定要对应否则会报错.错误信息为:actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES:Error:Assert failed:in file tessdataman

身份证识别:https://github.com/wenchaosong/OCR_identify 遇到一个需求,要用手机扫描纸质面单,获取面单上的手机号,最后决定用tesseract这个开源OCR库,移植到Android平台是tess-two Android平台tess-two地址:https://github.com/tesseract-ocr 本文Demo地址:http://blog.csdn.net/mr_sk/article/details/79077271 评论里有人想要我训练的数字

软件下载:https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ 官方字库下载:https://github.com/tesseract-ocr/tesseract/wiki/Data-Files#format-of-traineddata-files 建议:普通版本和FX版本都下载,用普通版本调整坐标,用FX版本调整汉字识别.FX版本的坐标调整不能输入数字,一旦坐标偏移太大,简直就是反人类设计. 另外,也可以直接使用普通版本

关于中文的识别,效果比较好而且开源的应该就是Tesseract-OCR了,所以自己亲身试用一下,分享到博客让有同样兴趣的人少走弯路. 文中所用到的身份证图片资源是百度找的,如有侵权可联系我删除. 一.准备工作 1.下载Tesseract-OCR引擎,注意要3.0以上才支持中文哦,按照提示安装就行. 2.下载chi_sim.traindata字库.要有这个才能识别中文.下好后,放到Tesseract-OCR项目的tessdata文件夹里面. 3.下载jTessBoxEditor,这个是用来训练字库

关于中文的识别,效果比较好而且开源的应该就是Tesseract-OCR了,所以自己亲身试用一下,分享到博客让有同样兴趣的人少走弯路. 文中所用到的身份证图片资源是百度找的,如有侵权可联系我删除. 一.准备工作 1.下载Tesseract-OCR引擎,注意要3.0以上才支持中文哦,按照提示安装就行. 最后下载4.0版本 2.下载chi_sim.traindata字库.要有这个才能识别中文.下好后,放到Tesseract-OCR项目的tessdata文件夹里面. https://github.com

上篇文章简单的学习了tesseract-ocr识别图片中的英文(链接地址如下:https://www.cnblogs.com/wj-1314/p/9428909.html),看起来效果还不错,所以这篇文章继续深入学习tesseract-ocr识别图片中的中文. 一,准备中文字库 下载chi_sim.traindata字库.要有这个才能识别中文.下好后,放到Tesseract-OCR项目的tessdata文件夹里面.(注意下载字库,一定要看库对应的tesseract版本下载) 为什么强调版本呢 ,

字符训练网上一搜一大堆,但作为一个初学者而言,字符合并网上却写的很笼统 首先,需要 生成的字符集.tif文件,位置文件 .box ,只要有这两个文件在,就可以合并字典(这个说的很有道理的样子) 好了,我现在有三个需要合并的字典 (1).(why3.楷体.exp0.tif,why3.楷体.exp0.box) (2).(why4.microsoftyaheiuilight.exp0.tif,why4.microsoftyaheiuilight.exp0.box) (3).  (why5.隶书b.ex

一.准备工作 需要的文件 tif文件和box文件. 如果你打标打好了,但是是分批次打标的,那么可以合并字库,我们最初只需要 tif 和 box 文件,如下: 二.生成对应的 .tr 训练文件 根据不同的tif文件依次使用下面这个命令 tesseract qyc.word.exp4.tif qyc.word.exp4 nobatch box.train 完成后效果是这样的,每个组合都会有一个对应的 .tr 文件 三.从所有文件中提取字符 unicharset_extractor fst.word.

0.目标 很多特殊场景,原生的字库识别率不高,这时候就需要根据需求自己训练字库生成traineddata文件. 一.前期准备工作 1.安装jdk   用于运行jTessBoxEditor 2.安装jTessBoxEditor   用于调整图片上文字的内容和位置 3. 安装tesseract5.0 jdk下载地址:https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html jTessBox

转自:https://www.cnblogs.com/lcawen/articles/7040005.html 关于中文的识别,效果比较好而且开源的应该就是Tesseract-OCR了,所以自己亲身试用一下,分享到博客让有同样兴趣的人少走弯路. 文中所用到的身份证图片资源是百度找的,如有侵权可联系我删除. 一.准备工作 1.下载Tesseract-OCR引擎,注意要3.0以上才支持中文哦,按照提示安装就行,Windows下:https://github.com/UB-Mannheim/tesse

1,下载安装Tesseract-OCR 安装,链接地址https://digi.bib.uni-mannheim.de/tesseract/ ​ 2,安装成功 tesseract -v 注意:安装后,要添加系统环境变量 ​ 3,cmd指定目录到 cd C:\Work\BlogsTest\TestPic,要识别图片的文件夹 识别:tesseract test.png result -l chi_sim ​ 识别成功的效果,result.txt文件会自动生成 ​ 要注意:Tesseract-OCR的

一.下载 1.进入官网下载页面 https://sourceforge.net/projects/tess4j/ 2.点击download 3.下载后解压,目录如下,圈出的三个文件夹是需要用到的 二.使用Tess4J 1.将dist和lib下的包导入java项目 2.将 tessdata 文件夹复制进项目的根目录 3.示范代码如下 public class OCRDemo { public static void main(String[] args) { try { double start=

Tess4J是对Tesseract OCR API.的Java JNA 封装.使java能够通过调用Tess4J的API来使用Tesseract OCR.支持的格式:TIFF,JPEG,GIF,PNG,BMP,JPEG,and PDF Tesseract 的github地址:https://github.com/tesseract-ocr/tesseract Tess4J的github地址:https://github.com/nguyenq/tess4j Tess4J API 提供的功能: 1

网上很多教程没有介绍清楚tessdata的位置,以及怎么配置,并且对中文库的描述也存在问题,这里介绍一个最简单的样例. 1.使用maven,直接引入依赖,确保你的工程JDK是1.8以上 <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.3.1</version> </dep

下载chi_sim.traindata字库下载tesseract-ocr-setup-3.02.02.exe 下载地址:http://code.google.com/p/tesseract-ocr/downloads/list下载jTessBoxEditor用于修改box文件下载地址:http://download.csdn.net/detail/a443475601/5896893 里面自带java运行库,安装后 然后启动命令行 java -jar jTessBoxEditor.jar即可打开

众所周知,这是一个出色的字符识别软件.这个开源项目可以在http://code.google.com/p/tesseract-ocr/downloads/list下载. 在使用时,建议使用3而不要使用2,因为一些原因,2虽然可以直接用在工程,但是由于一些显而易见的BUG和其他原因,多导致程序无法运行甚至崩溃.所以建议使用命令行版本的3 . 除了下载tesseract安装程序以外,还可以在下载页面下载一些语言库,当然,也可以在安装过程中选择一些语言库来进行安装. 一.训练 在很多时候,默认的字库等

最近做文档识别方面的项目,做汉字识别需要建立字库,在网上找了各种OCR,感觉都不好,这方面的技术应该比较成熟了,OCR的软件很多,但没有找到几篇有含金量量的论文,也没有看到哪位大牛公开字库,我用pygame渲染字体来生成字库,也用PIL对整齐的图片进行切割得到字库. pygame渲染字体来生成字库 用pygame渲染字体我参考的这篇文章,根据GB2323-8标准,汉语中常用字3500个,覆盖了99.7%的使用率,加上次常用共6763个,覆盖99.99%的使用率.先生成一个字体图片,从网上找来35