python - "Adding"Tesseract eng.traineddata 的新字体

Question

据我所知，Tesseract 3.x 带有 6 种英文(如果我错了请纠正我)字体。我需要为更多 5 种字体训练 Tesseract。我只需要大写字母和数字(没有特殊字符或符号)。

我遵循了各种流程，例如: Adding New Fonts to Tesseract 3 OCR Engine

还使用工具来自动化流程，例如 Serak Tesseract Trainer for Tesseract 3.02

为了生成盒子文件，我使用了 QT Box Editor

使用上述工具后，我得到了 eng.traineddata 文件。所有教程都告诉我将这个 eng.traineddata 文件添加到 Tesseract-OCR\tessdata 文件夹，但这样做会替换原来的 eng.traineddata 文件。这样做之后我会丢失 Tesseract 3.x 附带的默认字体吗？

如何添加新字体？我还不清楚。我希望有人能在这里帮助我。谢谢。

Answer 1

应使用不同的名称，例如 eng1.traineddata。这样您就可以通过指定语言选项 -l eng+eng1 将新数据与原始数据一起使用。