如何将Tesseract两个训练文件合并

如何将Tesseract两个训练文件合并
在tesseract的训练中，经常会有需求将不同的训练文件合在一起，因为不想重复去修改box，经过群里一位大哥的提醒，有了下面的操作，这里仅仅针对个人自己训练的文件，系统带的训练文件，如eng，chi_sim等文件无法通过此法来合并。

1.将两个分别的tif压缩文件通过jTessBoxEditor工具合并，在点击菜单栏中Tools--->Merge TIFF。在这里有个要注意的地方，文件合并的时候，需要和后面的box顺序一致。

2.通过命令

tesseract.exe hebing.normal.exp0.tif hebing.normal.exp0 -l chi_sim batch.nochop makebox

生成.box文件，然后用notepad打开，并将原来两个分立的box文件也打开，然后把其中内容复制粘贴到合并的box文件中，

这其中有个问题需要解决，就是第二个分立box文件复制粘贴过的序号问题，如果小的话，可以手工修改，如果大的话，还是写个程序来解决为好。

（还在写中，写好了分享给大家）

3.生成box文件之后，后续的操作跟常规训练操作一样了。

4.产生字符特征文件

tesseract.exe hebing.normal.exp0.tif hebing.normal.exp0 nobatch box.train

5.计算字符集

unicharset_extractor hebing.normal.exp0.box

6.定义字体特征文件

font_properties.txt

7、聚集字符特征

   1) shapeclustering -F font_properties.txt -U unicharset hebing.normal.exp0.tr   注意：如果font_properties不加扩展名.txt，可能会报错

   2) mftraining -F font_properties.txt -U unicharset -O hebing.unicharset hebing.normal.exp0.tr

   使用上一步产生的字符集文件unicharset，来生成当前新语言的字符集文件hebing.unicharset。同时还会产生图形原型文件inttemp和每个字符所对应的字符

   特征数文件pffmtable。最重要的就是这个inttemp文件了，他包含了所有需要产生的字的图形原型。 

   3)cntraining hebing.normal.exp0.tr

   

8、把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都加上hebing.

9.执行combine_tessdata hebing.