Ubuntu で Tesseract 3.0.4 の学習（訓練）のためにフォントを追加

Ubuntu での手順を示します

前準備

tesseract_ubuntu.html の手順を一通り行っていること (このウェブページで作成する /tmp/langdata を使います）

1. フォントリストの作成

   text2image --list_available_fonts --fonts_dir /usr/share/fonts &> /tmp/fontlist1
   

2. フォントファイルを準備

   以下、フォントファイル名を「hoge.ttf 」と書く. ttf や otf は OK のようです．

3. フォントファイルを /usr/share/fonts にコピー

   sudo cp hoge.ttf /usr/share/fonts
   

4. 再度、フォントリストを作成

   text2image --list_available_fonts --fonts_dir /usr/share/fonts &> /tmp/fontlist2
   

5. フォントリストの差分を得る

   これで、フォント名を確認（あとで、フォント名を使う）．

   /tmp/fontlist1 /tmp/fontlist2 
   

6. フォントを追加したいので、/tmp/langdata/font_properties を編集

   いま確認したフォント名を設定

   ＜フォント名＞ 0 0 0 0 0
   

7. フォントを学習（訓練）に使いたいので、/usr/share/tesseract-ocr/language-specific.sh の編集

   JPN_FONTS のところで、 いま確認したフォント名を設定

8. 確認のため，tesstrain.sh を実行してみる

   ※ フォントのインストールと設定ファイルに問題がないかの確認のため

   tesstrain.sh --overwrite --lang jpn --langdata_dir /tmp/langdata 
   

9. 上の実行の結果、エラーメッセージが出ていないことを確認

10. インストール済みの jpn.traineddata を上書き

    sudo cp /tmp/tesstrain/tessdata/jpn.traineddata /usr/share/tesseract-ocr/tessdata/jpn.traineddata 
    

11. テスト実行

    ※ 生成された jpn.traineddata に問題が無いかの確認のため

    tesseract 48.png -l jpn outbase 
    cat outbase.txt