在使用tesseract-ocr進行字符識別時，我們使用了官方提供的字庫，例如英文字庫、中文字庫，但這些字庫並不一定能滿足我們所有的需求。當tesseract提供的字庫中沒有我們識別的那種字體時，就會出現識別錯誤的問題，這個時候就需要訓練自己的字庫進行訓練了。我們可以製作出識別車牌的車牌字庫、識別身份證號的身份證字庫。
1 下載並安裝jTessBoxEditorFX
注意jTessBoxEditor有兩個版本，帶FX的版本才支持中文字符編輯，我們下載帶FX版本的。在這個網址上列出了所有的jTessBoxEditorFX版本。
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
jTessBoxEditorFX-2.2.0.zip
下載完成後解壓
如下圖：
我們注意到解壓目錄下也有一個tesseract-ocr,因此我們需要配置tesseract-ocr的環境變量。
在系統環境變量path路徑下添加E:\jTessBoxEditorFX\tesseract-ocr
新建字庫tessdata的系統變量，變量名爲：TESSDATA_PREFIX
變量值爲：E:\jTessBoxEditorFX\tesseract-ocr\tessdata
確定後將電腦重啓，至此jTessBoxEditorFX安裝配置完成。
2 準備字庫訓練圖片，並製作tif圖片文件
字庫的訓練圖片格式最好是png的，注意圖片數字周圍的空白區域不能太窄，tesseract無法識別空白區域太窄的字符。
數字圖片下載地址
如下圖所示：
我們將上面的圖片放到一個E:\jTessBoxEditorFX目錄下新建的train_image文件夾下。
在E:\jTessBoxEditorFX目錄下有一個jTessBoxEditorFX.jar的java文件，這個文件需要用java虛擬機打開，其實就是你電腦上安裝了java，並配置了java環境就可以直接雙擊打開，安裝java這裏不再講述了。
打開這個jar文件，如下：
選擇 Tools -> Merge TIFF，打開對話框，選擇訓練樣本所在文件夾，並選中所有要參與訓練的樣本圖片，注意對話框中“文件類型”的選取，選擇所有的圖片文件
選擇好了後，點擊打開按鈕，出現文件保存對話框，輸入文件名：num_1.font.exp0.tif
正確進行上述步驟後會出現merge完成的提示
然後在圖片集那個文件目錄下會出現生成的這個tif文件
3 使用tesseract生成.box文件
打開命令提示符，進入步驟2生成的num_1.font.exp0.tif文件所在目錄
然後執行如下命令：
tesseract num_1.font.exp0.tif num_1.font.exp0 –l eng batch.nochop makebox
執行完成後，會在當前目錄下生成num_1.font.exp0.box文件。
使用jTessBoxEditor調整.box訓練文件
.box文件中記錄了每個字符在圖片上的位置以及識別出的內容，訓練之前需要使用jTessBoxEditor調整字符的位置和內容。
打開 jTessBoxEditor ，點擊 Box Editor -> Open ，打開步驟2中生成的 “num_1font.exp0.tif” ，會自動關聯到 “num_1.font.exp0.box” 文件：
打開完成後，每一個會顯示每一張圖片的的識別結果
接下來我們對每張圖片的識別字符和識別框進行糾正，如果字符識別錯了，我們就改成正確的，如果識別出現偏差，我們也要進行調整。
這個過程是非常重要的，字符框的好壞取決於方框是否調整的準確。
我們把所有圖片的全部糾正完。
點擊save按鈕，將校正後的box文件保存。
4 使用echo命令創建字體特徵文件
在命令符窗口中輸入如下命令：
echo num_1 0 0 0 0 0>font_properties
執行完成之後，在當前文件夾下生成font_properties文件
也可以手動在該文件夾下建立一個名爲 “font_properties” 的文件，這個文件沒有後綴名稱，輸入內容 “font 0 0 0 0 0” ， 表示字體 font 的粗體、傾斜等共計5個屬性全都設置爲0
5 使用tesseract生成num_1.font.exp0.tr訓練文件
在命令行窗口中輸入命令：
tesseract num_1.font.exp0.tif num_1.font.exp0 nobatch box.train
生成訓練文件成功
6 生成字符集文件
在命令行中執行如下命令：
unicharset_extractor num_1.font.exp0.box
執行之後在當前目錄生成unicharset文件
7 生成數據字典
在命令行中先執行如下命令：
mftraining -F font_properties -U unicharset -O num_1.unicharset num_1.font.exp0.tr
接着執行另外一個訓練命令：
cntraining num_1.font.exp0.tr
會在當前目錄下生成 4 個文件（inttemp、pffmtable、normproto、shapetable）
需要手動修改名稱，這裏我們修改成num_1.inttemp、num_1.pffmtable、num_1.normproto、num_1.shapetable。
8 合併數據文件，生成字庫文件
在命令提示符中執行如下命令：
combine_tessdata num_1.
生成字庫文件成功，會在當前目錄生成num_1.traineddata文件，這個語言就是跟我們下載的官方字庫一樣，例如eng，chi_sim一樣，不過這個字庫專門用於識別圖片中那種數字字體。
我們把這個字庫num_1放到tesseract-ocr的tessdata目錄下E:\jTessBoxEditorFX\tesseract-ocr\tessdata
9 驗證生成的語言包字庫
輸入命令：
tesseract --list-langs
可以看到語言庫中有自己剛添加的字庫num_1
我們用這個字庫來識別一張圖片
tesseract 72.png out -l num_1
會在圖片目錄下生成out.txt文件，我們打開這個txt文件，可以看到使用num_1字庫識別這張圖片的結果
打開out文件
發現識別結果與圖片完全符合，至此，自己製作的字庫就已經成功了，可以識別所有這種數字字體的圖片。