相關源碼、資源下載：http://code.google.com/p/tesseract-ocr/downloads/list

?

訓練步驟：

1、? Generate Training Images：生成tif圖像文件(簡單的幾個漢字)；

如：ABC.Roman.exp0.tif([lang].[fontname].exp[num].tif)

2、? Make Box Files：由上tif圖像文件生成box文件；由tesseract.exe生成box文件；打開生成的box文件，修改其中不正確的部分；

配置文件參數："batch.nochop", "makebox"

運行文件：tesseractmain.cpp

如：ABC.Roman.exp0.box

3、? Run Tesseract for Training：

配置文件參數："nobatch", "box.train"或"nobatch", "box.train.stderr"

運行文件：tesseractmain.cpp

生成的文件包括：ABC.Roman.exp0.tr 、ABC.Roman.exp0.txt

4、? Compute the Character Set：

運行文件：unicharset_extractor.cpp

生成的文件：unicharset

5、? font_properties：

需要自己創建一個txt文件，如font_properties.txt

運行文件：mftraining.cpp

生成的文件：inttemp、Microfeat、pffmtable、ABC.unicharset

6、? Clustering：

運行文件：mftraining.cpp（類似5）

運行文件：cntraining.cpp

生成的文件：normproto

7、? Dictionary Data：

需要自己創建5個txt文件，如：frequent_words_list.txt、words_list.txt、punc_list.txt、number_list.txt、user_words_list.txt

運行文件：wordlist2dawg.cpp

生成的文件：ABC.freq-dawg、ABC.word-dawg、(ABC.punc-dawg、ABC.number-dawg、ABC.user-words)

8、? The last file：

需要自己手動創建一個unicharambigs文件

9、? Putting it all together：

將normproto, Microfeat, inttemp, pffmtable四個文件重命名以ABC.為前綴，分別改為ABC.normproto, ABC.Microfeat, ABC.inttemp, ABC.pffmtable

運行文件：combine_tessdata.cpp

生成的文件：ABC.traineddata

?

以上的所有.cpp文件均可以根據自己的實際要求進行相應的修改。

?

使用：

將生成的ABC.traineddata文件拷貝到tessdata目錄下，然后調用tesseractmain.cpp文件執行即可。

?

參考文獻：

1、? http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3

2、? http://www.docin.com/p-216160535.html

3、? http://blog.wudilabs.org/entry/f25efc5f/

4、? http://blog.csdn.net/dyfleoo/article/details/6959591

5、? http://blog.csdn.net/fengbingchun/article/details/6920667

6、http://code.google.com/p/tesseract-ocr/wiki/ReadMe?