7.23halcon学习日志

pouring 通过“倒水”分割图像。(分水岭？？)

regiongrowing_n对多通道图像进行区域分割。n个通道产生一个n维特征向量。如果相邻点的特征向量相对于给定度量的差值位于区间[MinTolerance, MaxTolerance]，则将相邻点聚合为同一区域。
现在我们可以确定一个投影变换，它将我们提取的四边形映射到一个给定维度的矩形。请注意，我们必须这样做
在坐标中添加0.5，使提取的像素位置与perspective tive_trans_image使用的坐标系相匹配。
vector_to_proj_hom_mat2d ([RowUL,RowUR,RowLR,RowLL] + 0.5, [ColUL,ColUR,ColLR,ColLL] + 0.5, [160,160,340,340] + 0.5, [250,550,550,250] + 0.5, ‘normalized_dlt’, [], [], [], [], [], [], HomMat2D, Covariance)

投影
projective_trans_image_size (Image, TransImage, HomMat2D, ‘bilinear’, 800, 500, ‘false’)
projective_trans_contour_xld (FieldBorder, FieldBorderTrans, HomMat2D)、

symmetry 沿一行的灰度值的对称性。

rank_region 区域的秩运算符。
rank_region(Region : RegionCount : Width, Height, Number : )

rank_region计算二进制秩运算符。使用大小为HighxWidth的过滤掩模。在此过程中，对于区域内的每一个点，计算位于滤波掩模内的区域的点的个数。如果这个数大于或等于Number，则将当前点添加到输出区域。

gray_range_rect( Image : ImageResult : MaskHeight, MaskWidth: )
决定某个方形区域内的灰度值，计算方形区域内的最大最小灰度的差，并体现到每个图像点上。如果MaskHeight和MaskWidth是偶数，它们被变为靠近的小的奇数值，图像边缘的灰度值是呈镜像出现的。

参数列表：
Image（in）：被计算灰度值的图像
ImageResult（out）：包含灰度值的图像
MaskHeight（in）：滤波器掩模的高度
MaskWidth（in）：滤波器掩模的宽度

file_exists 判断文件是否存在
delete_file 删除文件

chr：ascal码转化为字符
ord：字符转化为ascal码
Char[I] := chr(round(I + ord(‘A’))) 等号右边相当于取‘A’到‘Z’

char_threshold 为提取字符执行阈值分割。主要应用是在明亮的纸张上分割单通道的暗字符图像。
select_mask_obj根据掩码中的元素选择对象数组对象的元素，并在SelectedObjects中返回它们。对于掩码中所有大于0的元素，在SelectedObjects中返回相应的对象元素。

saddle_points_sub_pix 以亚像素精度从图像中提取鞍点，即，其中沿一个方向的图像强度最小，同时沿另一个方向的图像强度最大。

训练OCRmlp分类器

FontName := 'engraved'
dev_update_window ('off')
* 
* Step1: Segmentation
read_image (Image, 'engraved')
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
set_display_font (WindowHandle, 20, 'mono', 'true', 'false')
dev_display (Image)
disp_continue_message (WindowHandle, 'black', 'true')
stop ()
gray_range_rect(Image, ImageResult1, 7, 7)
invert_image(ImageResult1, ImageInvert1)
threshold (ImageInvert1, Regions, 0, 142)
connection(Regions, ConnectedRegions1)
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 1000, 5000)
dev_set_colored (12)
dev_set_draw ('margin')
dev_set_shape ('rectangle1')
dev_set_line_width (2)
dev_display (ImageResult1)
dev_display (SelectedRegions1)

sort_region(SelectedRegions1, SortedRegions1, 'first_point', 'true', 'column')
shape_trans(SortedRegions1, RegionTrans1, 'rectangle1')
area_center(RegionTrans1, Area1, Row1, Column1)

TrainingNames := ['0','3','F','A','L','D','0']
TrainingFileName := FontName + '.trf'
MeanRow := mean(Row1)
dev_set_check('~give_error')
delete_file(TrainingFileName)
dev_set_check('~give_error')
dev_set_color('yellow')
for I := 0 to |TrainingNames|-1 by 1
    select_obj(RegionTrans1, ObjectSelected, I+1)
    append_ocr_trainf(ObjectSelected, ImageInvert1, TrainingNames[I], TrainingFileName)
    set_tposition(WindowHandle, MeanRow-80, Column1[I]-10)
    write_string(WindowHandle, TrainingNames[I])
endfor
CharNames := uniq(sort(TrainingNames))
create_ocr_class_mlp(8, 10, 'constant', 'default',TrainingNames[I] , 5, 'none', 10, 42, OCRHandle1)
trainf_ocr_class_mlp(OCRHandle1, TrainingFileName, 200, 1, 0.01, Error1, ErrorLog1)
write_ocr_class_mlp(OCRHandle1, Error1)
clear_ocr_class_mlp(OCRHandle1)