Tesseract 5.3.0训练时所有0字符均出现Couldn't find a matching blob错误

可行的排查与修复步骤 #

• 校验box文件坐标的准确性与格式
  确认box文件里的坐标都是整数，且符合Tesseract的坐标系规则：x_left y_top x_right y_bottom page，注意y轴是从图像顶部开始向下计数。如果QT Box Editor保存的坐标带有小数，手动改为整数后重新运行box.train命令。

• 重新生成并修正box文件
  删除现有box文件，重新执行：

  tesseract.exe 1.png 1 batch.nochop makebox
  

  打开生成的box文件，直接在QT Box Editor里调整每个0字符的框选范围，确保完全覆盖字符且无重叠，保存时检查文件末尾有没有多余的空行或空格。

• 优化训练图像的质量
  将1.png转为单通道灰度图，调整对比度让0字符的边缘清晰，消除模糊或噪点。模糊的字符会导致Tesseract无法识别对应的blob，这是常见的匹配失败原因。

• 指定训练时的PSM模式
  执行box.train时添加*--psm 7*参数（强制按单行文本处理），命令改为：

  tesseract.exe 1.png 1 --psm 7 box.train
  

  这个参数能避免Tesseract对文本行的错误分割，减少blob匹配的偏差。

• 检查unicharset字符集
  确认训练用的unicharset文件包含0字符。如果没有，重新生成：

  1. 把所有训练用的box文件放到同一目录
  2. 运行unicharset_extractor *.box生成新的unicharset
  3. 查看生成的文件，确保有0的条目

• 更换训练图像测试
  如果以上方法都无效，换几张包含0字符的训练图，确保0的字体样式和其他字符一致，避免因0和8的形状过于接近导致识别混淆。

内容的提问来源于stack exchange，提问作者Maximus