jTessBoxEditor

jTessBoxEditor官方版是一款功能强大的Tesseract OCR的Box编辑工具。jTessBoxEditor最新版采用JAVA开发而来，可以帮助用户提高Tesseract-OCR文字识别准确率。通过jTessBoxEditor软件用户还进行能够持续的训练，操作简单，内置多种参数可以直接使用。

jTessBoxEditor软件功能

      双击JAR文件以启动程序，或执行以下命令：

      java -Xms128m -Xmx1024m -jar jTessBoxEditor.jar

      您需要提供TIFF / Box文件作为编辑器的输入。在训练中使用的图像应为300 DPI和1 bpp(每像素位数)黑白或8 bpp灰度，未压缩的TIFF格式; 以UTF-8格式编码的box文件由具有适当命令行选项的Tesseract可执行文件生成(请参阅 Tesseract Training Wiki)。或者它们都可以使用内置的TIFF / Box生成器创建。

      Box View中提供了以下热键，以便于编辑：

      W / S - 向上/向下移动盒子; A / D - 左/右移动框

      Q / E - 减小/增加箱宽; R / F - 减小/增加箱子高度

      - 上一个/下一个框

      X - 在框中编辑字符

      使用热键时按住Shift可将移动速度乘以10.编辑字符时按Enter或ESC可对框编辑器进行聚焦。

      请注意，框文件中使用的坐标系在左下角有(0,0); 但是，在计算机图形设备上，(0,0)被定义为左上角。jTessBoxEditor使用并显示在图形设备坐标中。编辑的盒子文件仍以适当的格式读取和写入。

      对于给定输入UTF-8文本文件，生成器生成适合使用Tesseract进行训练的TIFF / Box文件对。根据启用的抗锯齿模式，生成的图像是具有300 DPI分辨率的二进制或灰度，未压缩的多页TIFF。可以调整字母跟踪或字符间距，以消除边界框重叠问题。请注意，某些框的坐标可能与Tesseract本身生成的坐标略有不同(1或2个像素); 尽管如此，生成的box文件可用于验证Tesseract使用与Unicode兼容的文件比较工具(如 WinMerge)创建的文件。

      提示：实验表明，TIFF / Box Generator创建的图像训练质量较高，字体大小为24pt或更大，并且添加了一些噪音。

      用户可以在UTF-8文本文件中指定符号或变音符号(如在梵文或印度语脚本中找到的符号或变音符号，需要与主要基本字符组合)，具体而言data/combiningsymbols.txt，由生成器读取。此设置使用户可以灵活地为其语言脚本定义组合符号/变音符号。

      最新版本提供自动培训。Tesseract Windows培训可执行文件与程序捆绑在一起; 对于其他平台，您需要 构建它们。将所有必需的源训练数据文件(以适当的语言代码为前缀)放在指定的目录中(检查samples 文件夹中的示例)。还可以使用随附的train.ps1Windows PowerShell脚本自动执行培训操作 。

      该合并TIFF功能可以节省用于培训包含相同字体的文本转换成一个单一的多页TIFF文件的多张图片。包含转换函数，用于将字符文本字段中的数字字符引用(NCR)和转义序列转换为Unicode字符。

jTessBoxEditor软件特色

      - 支持Tesseract 2.0x和3.0x格式的编辑框数据

      - 实现框选择和合并/拆分/插入/删除操作

      - 通过微调器实现盒子尺寸更改功能

      - 支持文本字段的Unicode转换

      - 包括框搜索功能

jTessBoxEditor使用说明

      1、运行——CMD(WIN7要以管理员身份运行)

      2、清空你的硬盘隐藏的vodcache文件夹内的所有文件

      3、从新下载你下载的视频，然后将vodcache文件夹内所有的文件(TDL文件一定要全部)复制到一个磁盘的根目录，比如E：

      4、在CMD中输入E：，然后回车，在E：/>后输入copy/b *.tdl 1.mp4

      5、你就能看到在你的E盘有一个1.mp4了。