1. 样本图片准备 2. 打开 jTessBoxEditor ，选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片 3 弹出保存对话框，还是选择在当前路径下保存，文件命名为ty.cp.exp6.tif 4. tesseract ty.cp.exp6.tif ty.cp.exp6 -l ty batch.nochop makebox 5. 打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开步骤2中生成的ty.cp.exp6.tif ，会自动关联到 “ty.cp.exp6.box” 文件： 6. 使用echo命令创建字体特征文件 echo cp 0 0 0 0 0>font_properties. 输入内容 “cp 0 0 0 0 0” 7. 使用 tesseract 生成 ty.cp.exp6.tr 训练文件 在终端中执行以下命名： tesseract ty.cp.exp6.tif ty.cp.exp6 nobatch box.train 8. 生成字符集文件 在终端中执行以下命令： unicharset_extractor ty.cp.exp6.box 9. mftraining -F font_properties -U unicharset -O ty.unicharset ty.cp.exp6.tr 与 cntraining ty.cp.exp6.tr 生成之后手工修改 Clustering 过程生成的 4 个文件（inttemp、pffmtable、normproto、shapetable）的名称为 [lang].xxx。这里改为 ty.inttemp、ty.pffmtable、ty.normproto、ty.shapetable。 10. 合并数据文件 在终端中执行以下命令： combine_tessdata ty. tesseract b01.jpg result -l ty --psm 7

文字识别用到了Tesseract-ocr，另外一个用到了图片处理函数bitmap包括灰度化

python配合tesseract-OCR进行图像识别例子，需要自己安装python环境，代码中的path需要改成自己的，资源包括已经训练完成的字符库，python源码，训练需要的图片资源，待识别图片，有python环境可以直接运行

tesseract-ocr中文语言字库文件：包含chi_sim【中文简体】、chi_sim_vert【中文简体】、chi_tra【中文繁体】、chi_tra_vert【中文繁体】、eng【英文】，下载完成后解压，然后将该文件剪切到tessdata目录下去就可以了。

Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。

Tesseract-OCR的中文训练库，解压到Tesseract-OCR\tessdata目录

自己训练的常用2500汉字宋体字库，能够识别简体中文，可适用于3.02版和最新版本。

2018年8月编译配置最新Tesseract4,效果甩3.x版本几条街。官网示范程序有错，本示例程序堪称全网最好示例程序。本程序头文件、库和字典都已打包好，只要你装有VS2015就可以正常编译.调试.运行，不用配置任何环境变量。此为x86版本，若要x64版本，参考本人博客https://mp.csdn.net/postedit/81746904

使用详见我的博客：https://blog.csdn.net/HorseRoll/article/details/83310677