Halcon 第六章◆第6节：光学字符识别OCR
????????一、介紹
????????光學字符識別OCR（Optical Character Recognition）是指用計算機圖像處理的方法將字符圖像“翻譯”成計算機文字的過程，包括圖像采集、預處理（二值化、噪聲去除、傾斜校正）、字符定位、字符分割、特征提取、字符分類等步驟。
????????二、常用方法
????????①統計特征字符識別：這類方法先從字符圖像中提取字形，將其與事先存儲的字形進行比較，將相似度最高的匹配結果作為分類結果。這類方法的匹配算法簡單，具有較快的匹配速度和較高的識別率。但是這類方法對于變形、選擇等改變方向字符的識別能力較弱。
????????②結構字符識別：該類方法首先對待識別字體進行字體結構識別，利用字符的輪廓結構特征和統計特征來確定字符的模式、基元等特征，并通過基元的排序、組合形成字符特征。該類方法需要較高的圖像分辨率，以便獲得清晰的圖像特征結構，但是這會影響圖像識別的速度。
????????③神經網絡的識別：該類方法將提取到的字符特征向量輸入神經網絡進行識別。該類方法能夠有效地對各種模糊字符進行正確判斷，但是學習速度慢，泛化能力較弱。
????????④深度學習的方法：這類方法通常用深度神經網絡來充當字符的特征提取器和分類器，不需要人為設計字符特征，從而減少了人為設計特征造成的不完備性，提高識別的準確率。它的缺點是要達到很好的精度，需要大數據支撐，以及更多更好的硬件支持。
? ? ? ? 三、步驟
? ? ? ? OCR的檢測分為離線訓練和在線檢測兩個部分。
? ? ? ? 1、離線訓練
? ? ? ? 離線部分一般指的是字符的訓練過程，包括以下幾個步驟：
? ? ? ? ①讀取樣本圖像，并對樣本中的已知字符進行區域分割，分割的單位是單個字符的包圍區域。這時可以使用draw_rectangle1等算子選擇出單個字符的區域。
? ? ? ? ②將分割出的區域和對應的字符名稱存儲在訓練文件中。可以使用append_ocr_trainf算子，將字符區域存在指定的以“.trf”結尾的訓練文件中。
? ? ? ? ③檢查訓練文件中的對應關系，即圖像與字符的名稱應一一對應。
? ? ? ? ④訓練分類器。首先創建一個分類器，然后進行訓練?？梢允褂胏reate_ocr_class_mlp算子訓練基于MLP的分類器，使用trainf_ocr_class_mlp算子訓練基于“.trf”訓練文件的分類器，得到分類器句柄OCRHandle。
? ? ? ? ⑤保存分類器。使用write_ocr_class_mlp算子保存句柄為OCRHandle的分類器，分類器的名稱為以“.omc”結尾的文件。
? ? ? ? ⑥清楚分類器。
? ? ? ? 2、在線檢測
? ? ? ? 在線部分的OCR指的是對字符進行檢測，即分類，一般流程如下：
? ? ? ? ①讀取分類器。使用read_ocr_class_mlp算子讀取以“.omc”結尾的分類器文件。
? ? ? ? ②對待檢測的字符進行區域分割，提取出獨立的字符區域。
? ? ? ? ③使用分類器對字符區域進行分類。MLP分類器使用do_ocr_multi_class_mlp算子進行分類，返回對應的分類結果，結果形式為類別名稱class和confidence。
? ? ? ? ④清除分類器。
? ? ? ? 提示：Halcon目錄下的OCR文件夾中內置了許多針對數字、字母、和噴碼等字符的分類器，包含對多種標準的、非中文的字符類的識別，有時可以直接調用這些分類器文件，以省去自己訓練的步驟。如果要識別的字符不屬于這些情況，如中文字符或者手寫等特殊情況，則需要自己訓練。
? ? ? ? 三、Halcon中OCR相關算子
| ????????OCR / Training Files ????????將字符（元組）添加到一個訓練文件中 append_ocr_trainf(Character, Image : : Class, TrainingFile : ) ????????Character：輸入參數，需要訓練的字符，也就是輸入對應的字符的圖像區域。 ????????Image：輸入參數，輸入對應的字符圖像，一般就是用來摳出Character的圖像區域所用的原圖像。 ????????Class：輸入參數，輸入字符的類名（數組）（比如摳出來的區域對應的字符、數字或文字等可以作為這個圖像的類名）。 ????????TrainingFile：輸入參數，輸入需要保存的訓練文件名，默認'train_ocr'，后綴為【?.trf, .otr】。 |
| ????????OCR / Neural Nets【神經網絡】 ????????使用MLP（多層感知器）創建一個OCR分類器。 create_ocr_class_mlp( : : WidthCharacter, HeightCharacter, Interpolation, Features, Characters, NumHidden, Preprocessing, NumComponents, RandSeed : OCRHandle) ????????WidthCharacter：輸入參數，輸入被分割的字符縮放到指定的寬度。默認8，建議值【1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 14, 16, 20】，典型值范圍【?4 ≤ WidthCharacter ≤ 20】。 ????????HeightCharacter：輸入參數，輸入被分割的字符縮放到指定的高度。默認10，建議值【1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 14, 16, 20】，典型值范圍【4 ≤ HeightCharacter ≤ 20】。 ????????Interpolation：輸入參數，設置縮放的字符纂改模式。默認【'constant'】，列表【?'bicubic', 'bilinear'雙線性, 'constant'不變, 'nearest_neighbor'鄰近, 'weighted'有利的】。 ????????Features：輸入參數，默認'default'?，列表【 'anisometry'字符的不等軸（參考橢圓，單一特征）； 'chord_histo'每一排運動的頻率（字符高度特性）； 'compactness'字符的緊湊型（單一特性）； 'convexity'字符的凹凸特性（單一特性）； 'cooc'點陣（參考gen_cooc_matrix一個區域中同時出現的矩陣，八個特征）； 'default'等于選擇了'ratio' 和 'pixel_invar'； 'foreground'在前景中的部分像素（單一特性）； 'foreground_grid_16'字符像素占4×4個小方格，十六個特征； 'foreground_grid_9'字符像素占3×3個小方格，九個特征； 'gradient_8dir'字符圖像的傾斜度，即對字符圖像進行梯度計算。將梯度方向離散為8個方向。根據這些離散方向，將振幅圖像分解為8個通道。每個通道在一個5x5的網格中提取25個樣本。這些樣本被用作特征(200個特征)?； 'height'字符的原始高度（參考smallest_rectangle1單一特征）； 'moments_central'字符的某一時刻對應中心的矩特性，四個特征； 'moments_gray_plane'字符的某一時刻對應角度的矩特性，四個特征； 'moments_region_2nd_invar'字符的某一時刻對應的矩特性（參考moments_region_2nd_invar； 三個特征）； 'moments_region_2nd_rel_invar'字符的某一時刻對應的矩特性（參考moments_region_2nd_rel_invar； 兩個特征）； 'moments_region_3rd_invar'字符的某一時刻對應的矩特性（參考moments_region_3rd_invar； 四個特征）； 'num_connect'相連接部分的數量（參考connect_and_holes單一特征）； 'num_holes'孔的數量（參考connect_and_holes連接部分和中斷的數目，單一特征）； 'num_runs'在某一區域高度運動的數量（單一特征）； 'phi'字符方位（參考eliptic_axis橢圓的長軸對應的角度，兩個特征）； 'pixel'識別字符對應的灰度像素（字符寬度乘以字符高度特性）； 'pixel_binary'字符（高寬）占有區域對應的灰度像素（字符寬度乘以字符高度特性）； 'pixel_invar'識別（最大縮放比）字符對應的灰度像素（字符寬度乘以字符高度特性）； 'projection_horizontal' 依水平方向投影所對應的灰度值，參考gray_projections； 'projection_horizontal_invar'依水平方向的最大投影比例所對應的灰度值（字符高度特征）； 'projection_vertical'依垂直方向投影所對應的灰度值，參考gray_projections； 'projection_vertical_invar'依垂直方向的最大投影比例所對應的灰度值（字符高度特征）； 'ratio'字符的縱橫比（1個特征）； 'width'字符的原始寬度（參考smallest_rectangle1單一特征））； 'zoom_factor'寬高比值（介于寬度和高度之間的特性，單一特性） 】 ????????Characters：輸入參數，設置需要匹配的字符查閱表，如（0~9、A~Z、+-*/=<>#$%&()等）默認【?['0','1','2','3','4','5','6','7','8','9']】 ????????NumHidden：輸入參數，隱藏的MLP單元數目。默認80，建議值【1, 2, 3, 4, 5, 8, 10, 15, 20, 30, 40, 50, 60, 70, 80, 90, 100, 120, 150】，范圍【?NumHidden >= 1】。 ????????Preprocessing：輸入參數，矢量特征轉換的預處理類型。默認?'none'，列表【'canonical_variates', 'none', 'normalization', 'principal_components'】。 ????????NumComponents：輸入參數，預處理參數：變換特征個數，即匹配字符的數量（當Preprocessing='none', 'normalization'時此參數無效）。默認10，建議值【?1, 2, 3, 4, 5, 8, 10, 15, 20, 30, 40, 50, 60, 70, 80, 90, 100】，范圍【NumComponents >= 1】。 ????????RandSeed：輸入參數，隨機數生成器的種子值，用于用隨機值初始化MLP。默認42。 ????????OCRHandle：輸出參數，輸出OCR_mlp分類器的句柄。 |
| ????????OCR / Neural Nets【神經網絡】 ????????訓練OCR分類器 trainf_ocr_class_mlp( : : OCRHandle, TrainingFile, MaxIterations, WeightTolerance, ErrorTolerance : Error, ErrorLog) ????????OCRHandle：輸入參數，輸入OCR_mlp分類器的句柄。 ????????TrainingFile：輸入參數，輸入示范樣品文件，后綴為.trf。默認?'ocr.trf'，可導入的文件后綴名有【trf, .otr】。 ????????MaxIterations：輸入參數，優化算法的最大迭代次數。默認200，建議值【20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 220, 240, 260, 280, 300】。 ????????WeightTolerance：輸入參數，為兩次迭代優化算法之間MLP權值的差異設定閾值。默認1.0，建議值【?1.0, 0.1, 0.01, 0.001, 0.0001, 0.00001】，范圍【WeightTolerance >= 1.0e-8】。 ????????ErrorTolerance：輸入參數，優化算法對訓練數據的MLP平均誤差在兩次迭代之間的差異閾值。默認0.01，建議值【1.0, 0.1, 0.01, 0.001, 0.0001, 0.00001】，范圍【ErrorTolerance >= 1.0e-8】。 ????????Error：輸出參數，輸出MLP的訓練數據的平均誤差。 ????????ErrorLog：輸出參數，MLP對訓練數據的平均誤差作為優化算法迭代次數的函數，一次重復MLP最佳運算法則的平均錯誤數據。 |
| ????????OCR / Neural Nets【神經網絡】 ????????寫入一個OCR分類器到一個文件 write_ocr_class_mlp( : : OCRHandle, FileName : ) ????????OCRHandle：輸入參數，輸入OCR_mlp分類器的句柄。 ????????FileName：輸入參數，輸入文件名稱（保存的文件擴展名默認為.omc）。 |
| ????????OCR / Neural Nets【神經網絡】 ????????使用OCR分類器對多個字符進行實例分類 do_ocr_multi_class_mlp(Character, Image : : OCRHandle : Class, Confidence) ????????Character：輸入參數，輸入需要辨認的字符區域。 ????????Image：輸入參數，輸入需要辨認字符的灰度值圖像。 ????????OCRHandle：輸入參數，OCR_mlp分類器的句柄。 ????????Class：輸出參數，輸出MLP識別對應的結果，該值保存的值為識別出來的字母或者數字或者符號等（數組）。Class == Character。 ????????Confidence：輸出參數， 輸出對應的特征相似值（數組），該值≤1.0，Confidence == Character。 |
| ????????OCR / Training Files ????????在訓練的文件中查詢 read_ocr_trainf_names( : : TrainingFile : CharacterNames, CharacterCount) ????????TrainingFile：輸入參數，輸入要查詢的文件的位置+名稱+后綴，后綴一般為.trf。 ????????CharacterNames：輸出參數，讀取字符的名稱。 ????????CharacterCount：輸出參數，讀取字符圖像的個數。 |
?
?
總結
以上是生活随笔為你收集整理的Halcon 第六章◆第6节：光学字符识别OCR的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 网吧操作系统制作和优化的经验
- 下一篇： AI 趋势