HALCON示例程序bottle.hdev、bottlet.hdev瓶體字符OCR的訓練和檢測

示例程序源碼（加注釋）

1、先介紹bottlet.hdev（訓練OCR識別文件）

*定義一個字符串變量FontName ，內容是bottle
FontName := ‘bottle’
*第一步分割字符，以便單獨對字體進行訓練
Step 1: Segmentation
*窗口顯示更新關閉
dev_update_window (‘off’)
*讀入圖片
read_image (Bottle, ‘bottle2’)
*得到讀入圖片大小
get_image_size (Bottle, Width, Height)
*關閉顯示窗口
dev_close_window ()
*根據剛剛獲得的圖片大小創建圖片大小二倍的窗口
dev_open_window (0, 0, 2 * Width, 2 * Height, ‘black’, WindowID)
*設置字體顯示格式
set_display_font (WindowID, 27, ‘mono’, ‘true’, ‘false’)
*對讀入圖片進行閾值分割
threshold (Bottle, RawSegmentation, 0, 95)
*對區域面積在1-5之間的進行孔洞填充，目的就是為了消除噪聲。
fill_up_shape (RawSegmentation, RemovedNoise, ‘area’, 1, 5)
*使用半徑位2.5的圓形元素進行開運算
opening_circle (RemovedNoise, ThickStructures, 2.5)
*進行孔洞填充
fill_up (ThickStructures, Solid)
*使用寬7高1的矩形元素對區域進行開運算
opening_rectangle1 (Solid, Cut, 1, 7)
*分割連通域
connection (Cut, ConnectedPatterns)
*取區域ConnectedPatterns與區域ThickStructures的交集，將字符的原本形態恢復，之前對字符也進行了填
*充是怕進行開運算的時候把字符也給干掉
intersection (ConnectedPatterns, ThickStructures, NumberCandidates)
*使用面積對區域進行篩選，篩選出面積在300-9999的區域
select_shape (NumberCandidates, Numbers, ‘area’, ‘and’, 300, 9999)
*對區域進行排序，按照列，從第一列到最后一列，按照升序進行排列。這個算子之前介紹過了哈
sort_region (Numbers, FinalNumbers, ‘first_point’, ‘true’, ‘column’)
*顯示，下面的算子之前的都進行了介紹，這里就不進行細說了。
dev_display (Bottle)
dev_set_color (‘green’)
dev_set_line_width (2)
dev_set_shape (‘rectangle1’)
dev_set_draw (‘margin’)
dev_display (FinalNumbers)
*第二步進行訓練前相關準備，排序與定義分割出的區域代表字符。
Step2: Training file generation
*根據上文分割出的字符區域從左到右的順序，將他們的命名存入TrainingNames 數組變量中，其實就是你的
*字符是啥你就在這個訓練數組里寫入什么，讓halcon知道你剛剛分割出的字符的含義。
TrainingNames := [‘0’,‘1’,‘0’,‘8’,‘9’,‘4’]
*定義訓練出來的文件的路徑與文件名。這里強調一下哈，這里沒有路徑是因為它會把訓練文件存入halcon的
*默認路徑中，我們想把訓練文件存在我們想要的地方就得這么寫：TrainingFileName := C:/ + ‘.trf’。
TrainingFileName := FontName + ‘.trf’
*對區域進行排序，按照列，從第一列到最后一列，按照升序進行排列。和上邊一樣
sort_region (FinalNumbers, SortedRegions, ‘first_point’, ‘true’, ‘column’)
*分別求取每一個字符的最小外接矩形
shape_trans (SortedRegions, RegionTrans, ‘rectangle1’)
*求取每個區域的面積與中心坐標
area_center (RegionTrans, Area, Row, Column)
*mean這個算子：返回數組中元素的平均值。這里MeanRow 就是字符平均行位置
MeanRow := mean(Row)
*halcon的異常處理，程序運行正常的話程序會繼續運行，如果出錯顯示錯誤內容彈窗。在這里為了檢查求取
*數組均值是否完成，咱們設想一下，如果咱們提取字符沒提取出來，area_center 求取的Row為空，那么進
*行均值計算的時候除以0，程序就會崩潰。
dev_set_check (’~give_error’)
*刪除文件TrainingFileName
delete_file (TrainingFileName)
*這里再進行異常檢查，如果這個文件正在打開或者被使用，是刪除不了的，所以還要進行異常檢查
dev_set_check (‘give_error’)
*下邊一段代碼是把剛剛咱么在TrainingNames 的數字按照分割出字符的位置進行一個顯示，為了什么呢，就
*是為了讓我們直觀的看到我們存入TrainingNames 的字符與咱們分割出的是不是一一對應，如果不對應則會
*導致訓練出的文件是錯的。
for i := 0 to |TrainingNames| - 1 by 1
select_obj (SortedRegions, CharaterRegions, i + 1)
append_ocr_trainf (CharaterRegions, Bottle, TrainingNames[i], TrainingFileName)
disp_message (WindowID, TrainingNames[i], ‘image’, MeanRow - 40, Column[i] - 6, ‘yellow’, ‘false’)
endfor
*第三部訓練
Step3: Training
*sort按照升序對數組元素進行排列；tuple_uniq - 丟棄元組中連續相同元素。那么我們最開始的數組：
*[‘0’,‘1’,‘0’,‘8’,‘9’,‘4’]先進行升序排列得到[‘0’,‘0’,‘1’,‘4’,‘8’,‘9’]之后剔除相同元素得到[‘0’,‘1’,‘4’,‘8’,‘9’]
*最終CharNames =[‘0’,‘1’,‘4’,‘8’,‘9’]
CharNames := uniq(sort(TrainingNames))
*create_ocr_class_mlp - 使用多層感知器創建OCR分類器。
*函數原型：create_ocr_class_mlp（:: WidthCharacter，HeightCharacter，Interpolation，Features，Characters，NumHidden，Preprocessing，NumComponents，RandSeed：OCRHandle）
*WidthCharacter：字符寬度；HeightCharacter：字符高度；Interpolation：插值；Features：方式；
*Characters：字符；NumHidden：字符數量；Preprocessing：預處理；NumComponents：組件數量；
*RandSeed：隨機數數量；OCRHandle：OCR訓練句柄。
create_ocr_class_mlp (8, 10, ‘constant’, ‘default’, CharNames, 5, ‘none’, 10, 42, OCRHandle)
*trainf_ocr_class_mlp - 訓練OCR分類器。
*函數原型：trainf_ocr_class_mlp（:: OCRHandle，TrainingFile，MaxIterations，WeightTolerance，ErrorTolerance：Error，ErrorLog）
*OCRHandle：OCR識別句柄；TrainingFile：訓練文件名與路徑；MaxIterations：最大迭代次數；
*WeightTolerance：錯誤公差；Error：錯誤；ErrorLog：錯誤日志。
trainf_ocr_class_mlp (OCRHandle, TrainingFileName, 200, 1, 0.01, Error, ErrorLog)
*將訓練好的ocr文件寫入指定位置。其實就是把訓練文件保存下來。
write_ocr_class_mlp (OCRHandle, FontName)
*清除OCR訓練句柄。
clear_ocr_class_mlp (OCRHandle)

2、介紹bottlet.hdev（OCR識別）

*定義一個字符串變量FontName ，內容是Industrial_0-9_NoRej
FontName := ‘Industrial_0-9_NoRej’
*第一步：分割字符
Step 1: Segmentation
*顯示讀入圖片操作之前介紹過了，這里就不介紹了
dev_update_window (‘off’)
read_image (Bottle, ‘bottle2’)
get_image_size (Bottle, Width, Height)
dev_close_window ()
dev_open_window (0, 0, 2 * Width, 2 * Height, ‘black’, WindowID)
set_display_font (WindowID, 16, ‘mono’, ‘true’, ‘false’)
dev_display (Bottle)
disp_continue_message (WindowID, ‘black’, ‘true’)
stop ()

• 創建讀入ocr訓練文件
  create_text_model_reader (‘auto’, FontName, TextModel)
• 設置文本模型的參數最小字符寬度為5
  set_text_model_param (TextModel, ‘min_stroke_width’, 5)
• 文本行的結構
  set_text_model_param (TextModel, ‘text_line_structure’, ‘2 2 2’)
• 在圖像中查找文本
  find_text (Bottle, TextModel, TextResultID)
• 顯示字符分割結果
  get_text_object (Characters, TextResultID, ‘all_lines’)
  dev_display (Bottle)
  dev_display (Characters)
  stop ()
• 顯示識別的字符結果
  get_text_result (TextResultID, ‘class’, Classes)
  area_center (Characters, Area, Row, Column)
  for Index := 0 to |Classes| - 1 by 1
  disp_message (WindowID, Classes[Index], ‘image’, 80, Column[Index] - 3, ‘green’, ‘false’)
  endfor
• 釋放內存
• 清理結果句柄
  clear_text_result (TextResultID)
  *清除OCR識別句柄
  clear_text_model (TextModel)

處理思路

這個就是一個簡單的OCR字符從分割到訓練文本到識別的一個步驟。希望能幫助到大家。

后記

大家有什么問題可以向我提問哈，我看到了第一時間回復，希望在學習的路上多多結交良師益友。

總結

以上是生活随笔為你收集整理的HALCON示例程序bottle.hdev、bottlet.hdev瓶体字符OCR的训练和检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。