Halcon例程之bottle.hdev

 重要的算子说明：

1、create_text_model_reader( : : Mode, OCRClassifierMLP : TextModel)

       功能：创建一个文字模型

       参数：输入：

       Mode：选择文本分割方法，可选为 'auto' 和 'manual'（手动）.；如果Mode=‘auto’，则后续 find_text 将会提取任意大小的字体；如果Mode=‘manual’，则一定要在set_text_model_param中设定字体的高度和宽度。

       OCRClassifierMLP ：分类器名称

        参数：输出：

        TextModel：输出新的文本模型

2、set_text_model_param( : : TextModel, GenParamName, GenParamValue : )

        功能：设置文本模型参数

        输入参数：

                TextModel:输入文本模型

                 GenParamName：设定在提取文本时需要使用的参数名字；在Mode=‘auto’和‘manual’时，分别有不同的可选参数设 置，一定要注意不要设置错了（根据Mode设置），具体可以参考Halcon算子详解。下文中的例子中的文本特点是明显比周围的宽，所以设定参数为'min_stroke_width'。 'text_line_structure'设定意义为：确定需要寻找的文本的结构以有效的提高提取的准确性。该参数为一个字符串，包含的信息为每一个字符快所蕴含的字符个数与空间。例如关于日期的一个数各式为：月，日，年；每一个块有两个字符，则改参数可以设置为‘2 2 2’，如果年这个数字块有4个字符，则该参数可以设置为‘2 2 2-4’.

                 GenParamValue：设定提取文本的参数的值

3、find_text(Image : : TextModel : TextResultID)

            功能：根据设置的文本模型在图像中找到具体的字符

            输入参数：

                     Image：需要检测的图像

                     TextModel：已经设定好的文本模型

           输出参数：

                     TextResultID：字符分割后的句柄

4、get_text_object( : Characters : TextResultID, ResultName : )

         功能：获取字符分割后的图形结果

        输出参数：

                 Characters：  字符结果

        输入参数：

                 TextResultID：分割字符后的句柄

                 ResultName：以什么方式显示字符结果。‘all_lines’：返回所有的分割结果，字符排序方式为从上到下从左到右。

FontName := 'Industrial_0-9_NoRej'
* FontName := 'bottle'
* 
* Step 1: Segmentation
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 ()
* 
* Create Automatic Text Reader and set some parameters
create_text_model_reader ('auto', FontName, TextModel)
* The printed date has a significantly higher stroke width
set_text_model_param (TextModel, 'min_stroke_width', 5)
* The "best before" date has a particular and known structure
set_text_model_param (TextModel, 'text_line_structure', '2 2 2')
* 
* Read the "best before" date
find_text (Bottle, TextModel, TextResultID)
* 
* Display the segmentation results
get_text_object (Characters, TextResultID, 'all_lines')
dev_display (Bottle)
dev_display (Characters)
stop ()
* Display the reading results
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
* 
* Free memory
clear_text_result (TextResultID)
clear_text_model (TextModel)