0008_OCR识别（1）

OCR识别，一般是对灰度图像进行处理。

OCR识别的一般步骤如下：

1. 先进行定位校正

2. 分割，将各个字符断开成不同的联通域

3. 求交集（二值化后的图像区域 和 断完之后的区域）

4. 排序，识别的时候按照顺序来

5. 读ocr分列器

6. 识别

7. 显示

 

 

OCR识别的算子：

//创建分列器

//使用多层感知器创建OCR分类器。

create_ocr_class_mlp

WidthCharacter：矩形的宽度，分割字符的灰度值被缩放到该矩形

HeightCharcter：矩形的高度，分割字符的灰度值被缩放到该矩形

Interpolation：用于缩放字符的插值模式

Features：用于分列的特征

Charaters：要读取的字符集的所有字符

NumHidden：MLP的隐藏单位数

Preprocessing：用于变换特征向量的预处理类型

NumComponents：预处理参数：已转换要素的数量

RandSeed：随机数生成器的种子值，用于使用随机值初始化MLP

OCRHandle：OCR分列器句柄

 

 

//训练一个分列器

trainf_ocr_class_mlp

OCRHandle：OCR分列器句柄

TrainingFile：训练文件件名

MaxIterations：优化算法的最大迭代次数

WeightTolerance：优化算法的两次迭代之间MLP的权重差异的阈值

ErrorTolerance：在优化算法的两次迭代之间MLP对训练数据的平均误差的差异的阈值

Error：MLP对训练数据的平均误差

ErrorLog：作为优化算法的迭代次数的函数，MLP对训练数据的平均误差

 

 

识别

//使用OCR分类器对多个字符进行分类

do_ocr_multi_class_mlp

Character：要识别的字符

Image：字符的灰度值图像

OCRHandle：OCR分列器句柄

Class：使用MLP对字符进行分类的结果

Confidence：输出字符分类的信心值

 

 

OCR识别流程会使用到的重要算子：

//快速二值化

//前景和背景只有黑白，可以使用这个函数快速将黑白分开

binary_threshold

Image：输入图像

Region：分段输出区域

Method：分段方法

LightDark：提取前景还是背景

UsedThreshold：使用的阈值

 

 

//文本行角度的获取

//确定文本行或段落的方向

text_line_orientation

Region：文本行区域

Image：输入图像

CharHeight：文本行的高

OrientationFrom：文本行最小旋转角度

OrientationTo：文本行最大旋转角度

OrientationAngle：计算出来的文本行旋转角度

 

 

使用指定宽度，切矩形

//将区域划分为大小相等的矩形

partition_rectangle

Region：被划分的区域

Partitioned：被划分后的矩形

Width：单个矩形的宽

Height：单个矩形的高

 

 

//求交集

intersection

Region1：被求交集的区域1

Region2：被求交集的区域2

RegionIntersection：求交集的结果

 

 

//对区域排序

//根据区域的相对位置对区域进行排序。

sort_region

Regions：需要被排序的区域

SortedRegions：排序之后的区域

SortMode：排序的方法

order：递增或者是递减排序

RowOrCol：首先对行进行排序，然后对列进行排序。

 

更多halcon和六轴机械臂算法干货公众号：