Opencv Tesseract

识别的基本思路,感谢前人的总结:

• 参考1
• 参考2

图片处理识别上文及代码已足够详细，在此仅附上语言包训练方法;

Tesseract Training

• 中英语言包相加近百兆,身份证号码只用到 0~9+X,故可自行训练语言.
• 其他语言需求自行准备素材: Text + Font 生成 tif & box, 或者图片转 tif.

Install

• Homebrew

• Install tesseract (3.02)

    // Install ImageMagick for image conversion:
    brew install imagemagick
    // Install tesseract for OCR:
    brew install tesseract --all-languages
    // Install training tools
    brew install tesseract --with-training-tools
  

• java

• jTessBoxEditor

Material

自动方法(Text-->tif & box)

• training_text.txt(UTF-8) 文件写入: 1234567890X(需要识别的目标)
• Droid Sans Mono Font 36(对应的字体)
• Press Generate --> .tif & .box

手动方法(jpg/png --> tif & box)

• 处理图片

    // 灰度: 直接转 tif 会提示:不支持16-bit png
    convert -monochrome name.png name.png
    // png/jpg 转 tif
    convert name.jpg name.tif
  

• jTessBoxEditor —— Tools —— Merge Tiff

• 全选合并 tif & 命名为 language.font.exp0.tif

    // box
    tesseract language.font.exp0.tif language.font.exp0 makebox
    // -l -psm 参数可选
  

检查 .tif 识别

• Box Editor tab: Open .tif 检查识别正误，纠正保存

Training

• touch font_properties 内容: font 0 0 0 0 0
• 生成训练文件（UTF-8 without DOM）

// 生成 .tr 训练文件
tesseract language.font.exp0.tif language.font.exp0 nobatch box.train
// 生成字符集文件
unicharset_extractor language.font.exp0.box
// 生成 shape 文件
shapeclustering -F font_properties -U unicharset -O language.unicharset language.font.exp0.tr
// 生成聚集字符特征文件: unicharset、inttemp、pffmtable
mftraining -F font_properties -U unicharset -O language.unicharset language.font.exp0.tr
// 生成正常化特征文件 normproto
cntraining language.font.exp0.tr

• 训练文件改名

mv normproto language.normproto  
mv inttemp language.inttemp  
mv pffmtable language.pffmtable   
mv unicharset language.unicharset  
mv shapetable language.shapetable  

• 合并训练文件

// 生成fontname.traineddata文件
combine_tessdata language.

• 命令行最后必须带一个点。
• 执行结果中，1,3,4,5,13这几行必须有数值，才代表命令执行成功。