Tesseract OCR样本训练除需要安装Tesseract OCR软件外，还需要下载Tesseract OCR样本训练工具jTessBoxEditorFX，下载地址：
http://dl.pconline.com.cn/download/1060986-1.html

因为jTessBoxEditorFX是用JAVA开发的，因此使用前需要安装好JAVA运行环境。

1、准备样本图片

这里准备了5张手写数字的图片，要求图片格式必须是tif格式。

2、合并样本图片
执行train.bat启动jTessBoxEditorFX，选择菜单Tools->Merge TIFF执行图片合并，将5张tif图片文件合并为1个tif文件num.hand_num.exp0.tif，关闭jTessBoxEditorFX。
合并后的文件命名格式有一定要求
【语法】：[lang].[fontname].exp[num].tif
lang为语言名称，fontname为字体名称，num为序号，可自定义。

3、生成BOX文件
tesseract num.hand_num.exp0.tif num.hand_num.exp0 -l eng --psm 7 batch.nochop makebox

运行后在目标文件夹生成文件num.hand_num.exp0.box。

4、字符纠正
执行train.bat启动jTessBoxEditorFX，选择Box Editor，Open前面生成的合并样本图片num.hand_num.exp0.tif，其对应的box文件会自动加载。
检查修改每页中的各个数字字符解析结果，有不正确的修改，完成后保存替换原box文件。

5、创建font_properties文件
创建字体属性文件font_properties，该文件为文本文件，但没有扩展名。
echo hand_num 0 0 0 0 0 >font_properties

【语法】：<fontname> <italic> <bold> <fixed> <serif> <fraktur> 
fontname为字体名称，italic为斜体，bold为黑体字，fixed为默认字体，serif为衬线字体，fraktur德文黑字体，1和0代表有和无，精细区分时可使用。

6、生成训练文件
tesseract num.hand_num.exp0.tif num.hand_num.exp0 -l eng --psm 7 nobatch box.train

运行后在目标文件夹生成文件num.hand_num.exp0.tr。

7、生成字符集文件
unicharset_extractor num.hand_num.exp0.box

运行后在目标文件夹生成文件unicharset。

8、生成shape文件
shapeclustering -F font_properties -U unicharset -O num.unicharset num.hand_num.exp0.tr

运行后在目标文件夹生成文件num.unicharset和shapetable。

9、生成聚集字符特征文件
mftraining -F font_properties -U unicharset -O num.unicharset num.hand_num.exp0.tr

运行后在目标文件夹生成文件inttemp和pffmtable。

10、生成字符正常化特征文件
cntraining num.hand_num.exp0.tr

运行后在目标文件夹生成文件normproto。

11、对特征文件更名
rename normproto hand_num.normproto
rename inttemp hand_num.inttemp
rename pffmtable hand_num.pffmtable
rename unicharset hand_num.unicharset
rename shapetable hand_num.shapetable

12、合并训练文件
combine_tessdata hand_num.

注意命令中最后有个小数点，运行后在目标文件夹生成文件hand_num.traineddata。

13、将最终生成的训练数据文件hand_num.traineddata复制到Tesseract-OCR软件安装路径的tessdata目录下，以后Tesseract即可将其作为新的语言识别包使用。

训练效果测试：

随机从上面5张手写数字图片中截取数字，拼成由一串数字构成的手机号码digit.png，然后对比训练前后的识别效果。

不使用训练后的语言包，直接使用默认识别
tesseract digit.png digit1

识别结果：1390652649]

使用训练后的语言包来识别
tesseract digit.png digit2 -l hand_num

识别结果：13908526497