最近特無聊是吧，那在家學點做點科技類的小事業吧。

應用的編程環境HALCON18.05，這里講一種常用套路

*表示程序注釋

1.采圖或者自己寫下字母和數字，分成訓練與識別兩個部分；

2.閾值分割出字符；

3.創建手寫體識別器；

4.訓練該識別器；

5.執行識別；

具體過程如下：

**--------------------------------------

*(1) Training of the OCR ofhandwrite letter

* 關閉更新

dev_update_off()

* Set theimage path (make sure, that you have set HALCONIMAGES to the HALCON imagedirectory)

*

* Step 0:Preparations 文件路徑

FontName:= 'E:/Halcon/OCR/handwirteC/'

*

* Step 1:Segmentation 讀圖與字符分割

dev_update_window('off')

dev_get_window(WindowHandle)

read_image(Image,FontName+ '/handword1.jpg')

有時間可以寫各種字符，每個相同字符多寫幾次，越多越好，增加訓練的精準度；

把這欄作為訓練樣本

閾值分割出字符。注意：這里要用一次膨脹，把i與j這些字符的點與字符體連接在一起，構成一個整體字符；

threshold(ImageReduced, RawSegmentation, 0, 75)

* Connectthe i's and j's with their dots

* 將i與j的點與線連接起來，構成一個整體

dilation_circle(RawSegmentation, RegionDilation, 19)

dev_set_color('green')

dev_display(RegionDilation)

connection(RegionDilation, ConnectedRegions)

* Reduceeach connected component (character) to its original shape

intersection(ConnectedRegions, RegionDilation, RegionIntersection)

count_obj(ConnectedRegions, Number)

sort_region(RegionIntersection, FinalLetters, 'first_point', 'true', 'column')

*Displaysegments

*顯示分割塊

dev_clear_window()

dev_display(ImageReduced)

dev_set_color('green')

dev_set_line_width(2)

dev_set_shape('rectangle1')

dev_set_draw('margin')

dev_display(FinalLetters)

我們來檢查一下各個字符的分割與排序情況，尤其是對于i，j這類字符有沒有實現整體性

我們看到20個字母被分割成了21個，原因就是這個j 沒有被構成一個整體。然后我們再次調整一下dialation參數到22，并且注意也被膨脹太多了把相鄰字母也連進來了

dilation_circle(RawSegmentation, RegionDilation, 22)

這次很好，20個字母完整分割

* Step2: Training filegeneration

* 把teacher信號自己手寫進來，創建訓練文件TrainingFileName，訓練文件都是.trf格式的，可以在硬盤里查詢到。

*這里我們用append的函數把teacher信號一個一個地與被訓練字符聯系起來。

TrainingNames:=['b','b','a','b','d','c','e','f','h','i','i','i','d','c','e','e','g','j','i','h']

*訓練文件TrainingFileName

TrainingFileName:= FontName + 'TrainingFile.trf'

sort_region(FinalLetters, SortedRegions, 'first_point', 'true', 'column')

shape_trans(SortedRegions, RegionTrans, 'rectangle1')

area_center(RegionTrans, Area, Row, Column)

MeanRow:= mean(Row)

dev_set_check('give_error')

for I :=0 to |TrainingNames| -1by 1

select_obj (SortedRegions, CharaterRegions,I+1)

append_ocr_trainf (CharaterRegions, Image,TrainingNames[I], TrainingFileName)

disp_message(WindowHandle, TrainingNames[I], 'image', MeanRow - 140, Column[I] - 6,'yellow', 'false')

endfor

可以查詢一下訓練文件

* Step3: Training 執行訓練

CharNames:= uniq(sort(TrainingNames))

create_ocr_class_mlp(8, 10, 'constant', 'default', CharNames, 10, 'none', 10, 42, OCRHandle)

trainf_ocr_class_mlp(OCRHandle, TrainingFileName, 200, 1, 0.01, Error, ErrorLog)

*write_ocr_class_mlp產生一個.omc文件

write_ocr_class_mlp(OCRHandle, FontName+'Classifier')

clear_ocr_class_mlp(OCRHandle)

_________________________________

Do OCR執行識別

打開新的圖片，建立被識別區域，步驟如下

* Step 0: Preparations

FontName :='E:/Halcon/OCR/handwirteC/'

TrainingDocument:=FontName+'Classifier.omc'

*TrainingDocument:=FontName+'Class1.omc'

*

* Step 1: Segmentation

dev_update_window ('off')

dev_get_window (WindowHandle)

read_image (Image,FontName+'/handword1.jpg')

gen_rectangle1 (ROI_new, 2077.7,301.848, 2327.78, 2235.87)

reduce_domain (Image, ROI_new,ImageReducedNew)

binary_threshold (ImageReducedNew,Region_1, 'max_separability', 'dark', UsedThreshold1)

dilation_circle (Region_1,RegionDilation, 25.5)

dev_set_color ('green')

dev_display (RegionDilation)

connection (RegionDilation,ConnectedRegions)

intersection (ConnectedRegions,RegionDilation, RegionIntersection)

sort_region (RegionIntersection,Characters, 'character', 'true', 'row')

在這里，我們還是要查看一下膨脹的設置是否正確，尤其對于i，j類字符

*Step 3 讀取分類器

read_ocr_class_mlp(TrainingDocument, OCRHandle1)

*Classification

do_ocr_multi_class_mlp(Characters, Image, OCRHandle1, Class, Confidence)

* Step 4 Display results

area_center(Characters, Area, Row, Column)

dev_display(Image)

set_display_font(WindowHandle, 16, 'sans', 'true', 'false')

disp_message(WindowHandle, Class, 'image', Row - 146, Column + 8, 'blue', 'false')

*set_display_font(WindowHandle, 16, 'mono', 'true', 'false')

disp_message(WindowHandle, 'Classification result', 'window', 12, 12, 'black', 'true')

我們看到手寫體的確不容易做好，這里與訓練樣本有關系，所以需要更大的樣本量來優化識別器。

這里我們可以打開訓練文件.trf，在不自己繼續添加樣本的情況下做一下無監督學習，把已有的字體做扭曲與各種變換的訓練。

然后再次訓練這個.trf文件，替換掉之前的訓練文件。

訓練完后，再次讀取新的分類器，執行OCR, 這里重復代碼

*Step 3 讀取分類器

read_ocr_class_mlp(TrainingDocument, OCRHandle1)

*Classification

do_ocr_multi_class_mlp(Characters, Image, OCRHandle1, Class, Confidence)

* Step 4 Display results

area_center(Characters, Area, Row, Column)

dev_display(Image)

set_display_font(WindowHandle, 16, 'sans', 'true', 'false')

disp_message(WindowHandle, Class, 'image', Row - 146, Column + 8, 'blue', 'false')

*set_display_font(WindowHandle, 16, 'mono', 'true', 'false')

disp_message(WindowHandle, 'Classification result', 'window', 12, 12, 'black', 'true')

我們看到，新的識別器（上圖）效果好于第一次的識別器（下圖）

從 7/12提高到8/12

最后有必要就可以寫操作界面了, 這里不再贅述

責任編輯：lq