我一直在尝试训练Tesseract 3.04来识别手写数字。该方法首先在论文的以下链接中提出：https://arxiv.org/abs/1003.5897.我已经使用Training Tesseract 3.04 wiki页面和本教程遵循了必要的步骤：http://www.resolveradiologic.com/blog/2013/01/15/training-tesseract/
我从扫描的页面中创建了一个tiff图像，其中包括我手写的数字。我可以创建一个box文件，并使用特定的第三方tesseract GUI(称为tesseract4java)编辑该box文件。我已经进入mftraining步骤，没有任何明显的问题。
但在发出命令后：mftraining-F font_properties-U unicharset-O ali.unicharset ali.test_font.exp0.tr
训练需要很长时间才能完成，过了一段时间，我的笔记本电脑就崩溃了。由于我只训练了10个角色，每个角色最多有15个实例，所以我认为发生这种行为是因为我在前一步中犯了错误。以下是我对可能出现问题的看法：
-
我创建了一个font_properties文件，并在其中添加了一个具有所需格式的文本文件。但由于我同时也在创建一个新字体，maybe tesseract无法识别新字体，或者认为我正在将字体混合在一个tiff图像中那么我应该在字体属性文件中添加一个新的字体名称吗？但是手写数字应该是什么字体呢？
-
Training Tesseract页面指出，我应该将训练文本添加为UTF-8文本文件，但我还没有完成这一步。我没有训练文本，只有图像，我不知道如何将数字转换为UTF-8文本文件，以及将该文件放在哪里这会导致我遇到的问题吗
-
也许我创建的文件在错误的目录中。目前，我附加的所有文件(+unicharset和font_properties)都在tesseract.304目录中。我应该将它们添加到tessdata还是在tesseract目录中创建一个新文件？
如果您能帮助我回答这些问题，或提供任何其他关于为什么我的mftraining步骤将永远存在的建议，我们将不胜感激。非常感谢。
好的，我认为问题是我没有对输入图像进行预处理。tiff
在我将tiff图像转换为8bpp(每像素位)并转换为300dpi密度后，mftraining步骤在几秒钟后完成。我使用了以下命令：(来自imagemagik)
转换-密度300-深度8输入.pdf输出.tif
此外，我认为将图像更改为灰度会有所帮助。
edit：mftraining命令中的font_properties文件也应该命名为lang.font_properties