Tesseract - 我应该如何处理多字体类型？

Question

我有一个像这样的文件输入（只有数字，但有多种字体类型）。所以如果我想使用 Tesseract 来训练数据。我应该在一个 tiff 文件中制作一组一种字体类型，还是在一个 tiff 文件中制作多种字体类型？

有什么更好的，请告诉我一些提示。感谢您的所有帮助。

Answer 1

每个训练图像中的一种字体样式。 Tesseract Training Wiki 声明如下：

• 训练数据应按字体分组。理想情况下，所有样本 一个字体应该放在一个 tiff 文件中，但这可能是 多页 tiff（如果您安装了 libtiff 或 leptonica），所以 单一字体的总训练数据可能有很多页和很多 10s 数千个字符，允许训练大字符集 语言。

• 请勿在图像文件中混合字体（在单个 .tr 文件中
  精确。）这将导致特征在聚类时被丢弃，这 导致识别错误。