幾個常見的問題：
問題一：相關的幾個軟體下載下傳位址
Tesseract：Index of /tesseract
jTessBoxEditor: VietOCR - Browse /jTessBoxEditor at SourceForge.net
問題二：
jTessBoxEditor下載下傳是注意一下，中文的話要下載下傳jTessBoxEditorFX
問題三：
mftraining執行時提示停止工作，一般是Tesseract版本的問題，可以選擇Tesseract3驗證過是好的，Tesseract5會提示。
問題四：
多個字庫程式調用如何操作
tesseract.setLanguage("eng+chi_sim");
具體安裝及操作
在使用tesseract-ocr進行字元識别時，我們使用了官方提供的字庫，例如英文字庫、中文字庫，但這些字庫并不一定能滿足我們所有的需求。當tesseract提供的字庫中沒有我們識别的那種字型時，就會出現識别錯誤的問題，這個時候就需要訓練自己的字庫進行訓練了。我們可以制作出識别車牌的車牌字庫、識别身份證号的身份證字庫。
1 下載下傳并安裝jTessBoxEditorFX
注意jTessBoxEditor有兩個版本，帶FX的版本才支援中文字元編輯，我們下載下傳帶FX版本的。在這個網址上列出了所有的jTessBoxEditorFX版本。
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
jTessBoxEditorFX-2.2.0.zip
下載下傳完成後解壓
如下圖：
我們注意到解壓目錄下也有一個tesseract-ocr,是以我們需要配置tesseract-ocr的環境變量。
在系統環境變量path路徑下添加E:\jTessBoxEditorFX\tesseract-ocr
建立字庫tessdata的系統變量，變量名為：TESSDATA_PREFIX
變量值為：E:\jTessBoxEditorFX\tesseract-ocr\tessdata
确定後将電腦重新開機，至此jTessBoxEditorFX安裝配置完成。
2 準備字庫訓練圖檔，并制作tif圖檔檔案
字庫的訓練圖檔格式最好是png的，注意圖檔數字周圍的空白區域不能太窄，tesseract無法識别空白區域太窄的字元。
數字圖檔下載下傳位址
如下圖所示：
我們将上面的圖檔放到一個E:\jTessBoxEditorFX目錄下建立的train_image檔案夾下。
在E:\jTessBoxEditorFX目錄下有一個jTessBoxEditorFX.jar的java檔案，這個檔案需要用java虛拟機打開，其實就是你電腦上安裝了java，并配置了java環境就可以直接輕按兩下打開，安裝java這裡不再講述了。
打開這個jar檔案，如下：
選擇 Tools -> Merge TIFF，打開對話框，選擇訓練樣本所在檔案夾，并選中所有要參與訓練的樣本圖檔，注意對話框中“檔案類型”的選取，選擇所有的圖檔檔案
選擇好了後，點選打開按鈕，出現檔案儲存對話框，輸入檔案名：num_1.font.exp0.tif
正确進行上述步驟後會出現merge完成的提示
然後在圖檔集那個檔案目錄下會出現生成的這個tif檔案
3 使用tesseract生成.box檔案
打開指令提示符，進入步驟2生成的num_1.font.exp0.tif檔案所在目錄
然後執行如下指令：
tesseract num_1.font.exp0.tif num_1.font.exp0 –l eng batch.nochop makebox
執行完成後，會在目前目錄下生成num_1.font.exp0.box檔案。
使用jTessBoxEditor調整.box訓練檔案
.box檔案中記錄了每個字元在圖檔上的位置以及識别出的内容，訓練之前需要使用jTessBoxEditor調整字元的位置和内容。
打開 jTessBoxEditor ，點選 Box Editor -> Open ，打開步驟2中生成的 “num_1font.exp0.tif” ，會自動關聯到 “num_1.font.exp0.box” 檔案：
打開完成後，每一個會顯示每一張圖檔的的識别結果
接下來我們對每張圖檔的識别字元和識别框進行糾正，如果字元識别錯了，我們就改成正确的，如果識别出現偏差，我們也要進行調整。
這個過程是非常重要的，字元框的好壞取決于方框是否調整的準确。
我們把所有圖檔的全部糾正完。
點選save按鈕，将校正後的box檔案儲存。
4 使用echo指令建立字型特征檔案
在指令符視窗中輸入如下指令：
echo font 0 0 0 0 0>font_properties
執行完成之後，在目前檔案夾下生成font_properties檔案
也可以手動在該檔案夾下建立一個名為 “font_properties” 的檔案，這個檔案沒有字尾名稱，輸入内容 “font 0 0 0 0 0” ， 表示字型 font 的粗體、傾斜等共計5個屬性全都設定為0
5 使用tesseract生成num_1.font.exp0.tr訓練檔案
在指令行視窗中輸入指令：
tesseract num_1.font.exp0.tif num_1.font.exp0 nobatch box.train
生成訓練檔案成功
6 生成字元集檔案
在指令行中執行如下指令：
unicharset_extractor num_1.font.exp0.box
執行之後在目前目錄生成unicharset檔案
7 生成資料字典
在指令行中先執行如下指令：
mftraining -F font_properties -U unicharset -O num_1.unicharset num_1.font.exp0.tr
接着執行另外一個訓練指令：
cntraining num_1.font.exp0.tr
會在目前目錄下生成 4 個檔案（inttemp、pffmtable、normproto、shapetable）
需要手動修改名稱，這裡我們修改成num_1.inttemp、num_1.pffmtable、num_1.normproto、num_1.shapetable。
8 合并資料檔案，生成字庫檔案
在指令提示符中執行如下指令：
combine_tessdata num_1.
生成字庫檔案成功，會在目前目錄生成num_1.traineddata檔案，這個語言就是跟我們下載下傳的官方字庫一樣，例如eng，chi_sim一樣，不過這個字庫專門用于識别圖檔中那種數字字型。
我們把這個字庫num_1放到tesseract-ocr的tessdata目錄下E:\jTessBoxEditorFX\tesseract-ocr\tessdata
9 驗證生成的語言包字庫
輸入指令：
tesseract --list-langs 可以看到語言庫中有自己剛添加的字庫num_1
我們用這個字庫來識别一張圖檔
tesseract 72.png out -l num_1
會在圖檔目錄下生成out.txt檔案，我們打開這個txt檔案，可以看到使用num_1字庫識别這張圖檔的結果
打開out檔案
發現識别結果與圖檔完全符合，至此，自己制作的字庫就已經成功了，可以識别所有這種數字字型的圖檔。
補充，如果在制作box檔案時，這張圖檔沒有識别出特征字型，就代表無法去進行box微調。
用notepad++打開box檔案，如下所示：
3 15 40 40 100 32
第一個字元3是這張圖檔識别的char，15為X坐标，40為Y坐标，40為寬，100為高的，最後一個32就是第幾張圖檔，因為圖檔編号從0開始，是以這個是第33張圖檔。
是以如果哪一張圖檔缺少識别寬，比如第200張圖檔少定位框，就這樣加
3 15 40 40 100 199
————————————————
版權聲明：本文為CSDN部落客「Keras深度學習」的原創文章，遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。
原文連結：https://blog.csdn.net/qq_37781464/article/details/90292350