jTessBoxEditor下載地址

http://vietocr.sourceforge.net/training.html

以下翻譯自安裝（解壓）后的Readme文件?

jTessBoxEditor

簡介

jTessBoxEditor是一個Tesseract OCR的Box編輯器，提供Tesseract 2.0x and 3.0x 格式的Box數據編輯功能。可以讀取包括multi-page TIFF在內的通用圖片格式。

系統需求

Java Runtime Environment 6.0?or later.

說明

雙擊JAR文件啟動程序，或者通過如下的命令行方式，Windows下有run.bat批處理文件，可以通過修改啟動參數，增加分配給java虛擬機的內存

java -Xms128m -Xmx512m -jar jTessBoxEditor.jar

需要把TIFF/Box文件作為這個程序的輸入。

格式要求：

訓練用的圖片:300DPI, 1 bpp(bit per pixel), 黑白或8位灰度， 無壓縮的TIFF格式

Box文件：UTF-8編碼， 通過Tesseract命令行+相應的命令行選項生成(參考?Tesseract Wiki)。

訓練操作可以通過附帶的train.ps1?Windows PowerShell腳本自動化。

注意：Box文件使用的坐標系統把左下作為（0,0），而計算機圖形設備上把左上定義為（0,0）。 jTessBoxEditor使用并顯示參考圖形設備坐標。編輯的Box文件仍然在讀寫時參考自己的坐標。

這個軟件中包含一個轉換功能，會把字符文本字段的數字字符引用（NCR）和轉義序列轉換為Unicode字符。

Merge TIFF功能，可以把含有相同的字體的文本多個圖像保存到一個單一的多頁TIFF文件中，用于后續訓練。

Generate TIFF/Box功能由一個輸入的UTF-8文本文件生成供Tesseract訓練用的一對TIFF/Box文件。生成的圖像是一個二進制或者灰度的無壓縮多頁300DPI的TIFF圖像，依賴抗鋸齒模式是否有效（？）。

為了消除box邊界重疊問題，字符追蹤或字符間距可以通過Tracking微調器來進行調整。

注意，某些框的坐標可能會與由TESSERACT自己生成的略有不同（偏差1或2個像素）。但是，所生成的Box文件可以用如WinMerge的支持Unicode的文本比較工具進行比較驗證。

提示：實驗表明，Generate TIFF/Box功能使用字體大小24pt或更大生成的圖像會有較高的訓練質量。

結合符號或變音符號(如梵文或印度語 )，需要與主、基本字符結合使用，可以由用戶指定一個UTF-8的文本文件，例如data目錄下的 combiningsymbols.txt文件。此文件可以被Generate TIFF/Box功能讀取，這種設置使用戶可以為他們的語言腳本靈活定義結合符號/變音符號。

-- end --

?

---

轉載于:https://www.cnblogs.com/rakuhin/p/3307342.html

總結

以上是生活随笔為你收集整理的jTessBoxEditor for Tesseract OCR的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。