将新字体添加到Tesseract 3

Question

我正在尝试向tesseract ocr添加新字体.我正在学习这个教程,但是我遇到了一些问题.

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. 火车Tesseract

   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中读取的框:146
   找到146个好的blob.
   TRAINING ...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. 尝试检测框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

我也得到unicharset_extractor eng.myfont.exp0.box了同样的结果.

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

从Ubuntu 14.04中省略了Tesseract 3.03 RC的培训工具.所以要么退回到Tesseract 3.02,要么升级到Ubuntu 14.10,它应该拥有它.