在使用tesseract-ocr进行字符识别时，我们使用了官方提供的字库，例如英文字库、中文字库，但这些字库并不一定能满足我们所有的需求。所以有些时候，我们就需要训练属于自己的自定义字库。废话少说，直接开干。

第一步：

tesseract-ocr 的安装略。 jTessBoxEditorFX的下载地址：
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
解压后打开后大概这样子。

第二步：

创建一个文件夹，里面存放即将训练的图片。以我这边为例：
我放了一张图片: D/ocrtest/test.png

第三步：

打开jTessBoxEditorFX软件，在 Tools下，选择Merge TIFF，定位到训练图片文件夹下，选中所有训练图片，然后开始合并成为一张.tif格式的图片。
注意图片命名格式：字库名称.字体.exp0.tif
这边我的字库较 num 字体叫 font

成功后会弹出以下窗口，并在同目录下生成一张num.font.exp0.tif的图片。

第四步：

使用tesseract生成.box文件
CMD打开命令提示符，num.font.exp0.tif文件所在目录，执行以下命令：

tesseract num.font.exp0.tif num.font.exp0 –l eng batch.nochop makebox

执行后你会发现在训练图片同路径下，生成一份 num.font.exp0.box 文件
这时候你用 jTessBoxEditorFX 打开num.font.exp0.tif，就会自动导入box文件。
然后你要开始对识别不正确的字符进行边框调整，调整好之后保存起来。

第五步 ：

手动在该训练图片所在文件夹下建立一个名为 “font_properties” 的文件，这个文件没有后缀名称，输入内容 “font 0 0 0 0 0” ， 表示字体 font 的粗体、倾斜等共计5个属性全都设置为0

第六步：

使用tesseract生成num.font.exp0.tr训练文件，在命令提示符中输入：

tesseract num.font.exp0.tif num.font.exp0 nobatch box.train

此时，在该文件夹下已生成：num.font.exp0.tr文件。

第七步：

生成字符集文件，在命令提示符中输入：

unicharset_extractor num.font.exp0.box

此时你会在该文件夹下看到名为：unicharset的文件。

紧接着，需要生成数据字典

执行命令一：

mftraining -F font_properties -U unicharset -O num.unicharset num.font.exp0.tr

执行命令二：

cntraining num.font.exp0.tr

执行完这2条命令之后，你会在当前目录下生成 4 个文件（inttemp、pffmtable、normproto、shapetable），
然后，紧接着，你需要在这4个文件重命名，前面统一加上 字库名称.该文件名 以我这个为例，我的字库名称是num。所以这个文件重命名后分别命名为：
num.inttemp
num.pffmtable
num.normproto
num.shapetable

最后一步：

合并数据文件，生成字库文件，执行指令：

combine_tessdata num.

此时你会在同目录下，看到这个训练好的库文件

然后把库文件分别放到
C:\Program Files (x86)\Tesseract-OCR\tessdata下
和
D:\jTessBoxEditorFX\tesseract-ocr\tessdata下
（注意：以上这是我自己的路径，要自行核对自己的安装路径）

然后就可以使用自己的字库进行预测了：
1.查看字库是否存在，指令：tesseract --list-langs

2.字符集验证测试图片预测：

tesseract test.png out -l num

3.python 代码实现测试图片预测：

import pytesseract
from PIL import Image
import cv2 as cv
imgpath = 'D:/ocrtest/test.png'
img = cv.imread(imgpath,cv.IMREAD_COLOR)
msg = pytesseract.image_to_string(img,lang = 'num')
msg = msg.replace('', '')
print(msg)
msg = msg.replace('\n', '')

print(msg)
cv.imshow('t',img)
cv.waitKey(0)

参考：https://keras-lx.blog.csdn.net/article/details/90292350
https://blog.csdn.net/sylsjane/article/details/83751297