【基本用法】
1、tesseract 基本语法：
Usage:tesseract.exe p_w_picpathname outputbase [-l lang] [-psm pagesegmode] [configfile...] pagesegmode values are: 0 = Orientation and script detection (OSD) only. 1 = Automatic page segmentation with OSD. 2 = Automatic page segmentation, but no OSD, or OCR 3 = Fully automatic page segmentation, but no OSD. (Default) 4 = Assume a single column of text of variable sizes. 5 = Assume a single uniform block of vertically aligned text. 6 = Assume a single uniform block of text. 7 = Treat the p_w_picpath as a single text line. 8 = Treat the p_w_picpath as a single word. 9 = Treat the p_w_picpath as a single word in a circle. 10 = Treat the p_w_picpath as a single character. -l lang and/or -psm pagesegmode must occur before anyconfigfile. Single options: -v --version: version info --list-langs: list available languages for tesseract engine tesseract p_w_picpathname outputbase [-l lang] [-psm pagesegmode] [configfile...] tesseract 图片名 输出文件名 -l 字库文件 -psm pagesegmode 配置文件
2、示例：
（1）、
tesseract code.jpg code -l chi_sim -psm 7 digits code 生成code.txt的结果文件 -l chi_sim 表示用简体中文字库 -psm 7 表示告诉tesseract code.jpg图片是一行文本，默认为 3 configfile 参数值为tessdata\configs 和 tessdata\tessconfigs 目录下的文件名 digits 内容为 tessedit_char_whitelist 0123456789-. 表示数字
（2）、白名单
tesseract code.jpg code -l eng -psm 7 -c tessedit_char_whitelist="ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789"
（2）、黑名单
tesseract code.jpg code -l eng -psm 7 -c tessedit_char_blacklist="abcdefghijklmnopqrstuvwxy"
【训练】（以训练arial字体为例）
1、准备一张字体图片如下。
2、用 jTessBoxEditor 将图片转为tif文件，将tif文件命名为 eng.arial.exp0.tif。注意这里其实可以选多张图片。
Tools -> Merge TIFF...
3、生成坐标文件（.box）。
tesseract.exe eng.arial.exp0.tif eng.arial.exp0 batch.nochop makebox
【语法】：tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
lang为语言名称，fontname为字体名称，num为序号；在tesseract中，一定要注意格式。
4、在当前目录创建 font_properties 文件，内容如下。
eng.arial.exp0.box 1 1 1 0 0
【语法】：<fontname> <italic> <bold> <fixed> <serif> <fraktur>
fontname为字体名称，italic为斜体，bold为黑体字，fixed为默认字体，serif为衬线字体，fraktur德文黑字体，1和0代表有和无，精细区分时可使用。
5、字符校正。
打开jTessBoxEditor，BOX Editor -> Open，打开 eng.arial.exp0.tif，注意多页时页面切换。
6、执行批处理文件（arial.bat），生成.traineddata文件。
echo Run Tesseract for Training.. tesseract eng.arial.exp0.tif eng.arial.exp0 nobatch box.train echo Compute the Character Set.. unicharset_extractor eng.arial.exp0.box mftraining -F font_properties -U unicharset -O arial.unicharset eng.arial.exp0.tr echo Clustering.. cntraining eng.arial.exp0.tr echo Rename Files.. rename normproto arial.normproto rename inttemp arial.inttemp rename pffmtable arial.pffmtable rename shapetable arial.shapetable echo Create Tessdata.. combine_tessdata arial. echo. & pause
7、将生成文件中的arial.traineddata 文件拷贝到相应tessdata目录就可以使用啦！
tesseract code.jpg code -l arial
【参考文献】
1、啥都不懂也能识别验证码
2、Tesseract-OCR的简单使用与训练
3、Adding New Fonts to Tesseract 3 OCR Engine
4、Python做简单的验证码识别(ocr)
*** walker ***
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
