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
2024-05-17 17:27:03
31.4MB
1
tess4j3.4.4 +中文语言包 chi_sim.traineddata ，一步到位了
2023-09-19 15:17:30
94.59MB
1
chi_sim.traineddata 中文语言包 OCR，用于Tesseract-OCR
2023-05-19 17:36:41
17.84MB
1
将文件解压后，拷贝到安装路径下的Tesseract-OCR文件夹中的tessdata文件夹下面即可。
主要功能用于识别中文字体
默认下载的Tesseract-OCR安装包中是没有简体中文的文件的。
可以用CMD命令行窗口下可用 tesseract --list-langs 来查看Tesseract-OCR支持语言
如果出现chi_sim，则为成功！
2023-04-20 20:37:58
19.08MB
1
Tesseract-OCR使用的chi_sim中文语言包,解压后大概39M大小
2023-02-20 15:50:44
34.62MB
1
使用 tess4j 时需要的训练库 ，包含chi_sim.traineddata eng.traineddata中英文，中文识时别对图片的清晰度要求比较高，需要自己调整
2022-11-08 16:39:11
34.73MB
1
适用于Tesseract(3.04-3.05)版本，解压后40.1M，资源获取来自Tesseract官方GitHub，免csdn积分官方获取各版本语言包请看我的博客：https://blog.csdn.net/qq_38161040/article/details/90727456
2022-08-22 10:18:14
17.15MB
1