向 Tesseract 3 添加新字体

Question

我正在尝试向 tesseract ocr 添加新字体。我正在关注this tutorial，但我遇到了一些问题。

这是我到目前为止所做的：

1. 创建培训文档

   convert eng.myfont.exp0.pdf eng.myfont.exp0.tif

2. 训练正方体

   tesseract eng.myfont.exp0.tif eng.myfont.exp0 batch.nochop makebox

   这创建了我的 eng.myfont.exp0.box 文件。

   我用 moshpytt 打开文件并确保它被正确检测到。

3. 将盒子文件送回 tesseract

   tesseract eng.myfont.exp0.tif eng.myfont.exp0.box nobatch box.train.stderr

   我有这个结果：

   Tesseract 开源 OCR 引擎 v3.03 与 Leptonica
   APPLY_BOXES：
   从 boxfile 读取的盒子：146
   找到 146 个好的 blob。
   培训 ... 字体名称 = myfont.exp0
   生成 6 个单词的训练数据

   • eng.myfont.exp0.box.tr 文件和 eng.myfont.exp0.box.txt 生成

4. 尝试检测盒子文件中使用的字符集（这是我卡住的地方）

   unicharset_extractor *.box

结果：

unicharset_extractor：找不到命令

我也尝试了unicharset_extractor eng.myfont.exp0.box，结果相同。

我正在使用：

• tesseract 3.03
• leptonica-1.70
• libgif 4.1.6(?)：libjpeg 8d：libpng 1.2.50：libtiff 4.0.3：zlib 1.2.8：webp 0.4.0
• Ubuntu 14.04.1 LTS

Answer 1

在 Ubuntu 14.04 中省略了 Tesseract 3.03 RC 的训练工具。所以要么回退到 Tesseract 3.02，要么升级到 Ubuntu 14.10，应该有它。

Answer 2

好的，我为你搜索了这个。答案如下：

您需要在输入文件所在的同一文件夹中运行所有命令。

发件人：

• https://code.google.com/p/tesseract-ocr/issues/detail?id=945 和
• https://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3#Background_and_Limitations