1、?text_line_orientation

text_line_orientation(Region, // 輸入文本行所在區域Image, // 輸入圖像CharHeight,?OrientationFrom, OrientationTo, // 限定查找角度范圍最小、最大角度OrientationAngle) // 輸出計算文本行的旋轉角度

• 定義：決定了單個文本行或段落相對于水平圖像軸的方向。如果要確定單個文本行的方向，則OrientationFrom和OrientationTo的范圍應該在-pi/4到pi/4的區間內

• 說明

• Region：指定文本行所在的圖像區域，該區域僅用于減少工作面積。文本行由操作符text_line_orientation本身分割。如果傳遞了多個區域，則方向角的數值存儲在元組中，元組中值的位置對應于輸入元組中區域的位置

• CharHeight：指定區域region中現有文本行的大約高度

• 搜索區域可以由參數OrientationFrom和OrientationTo限制，因此也會影響操作符的運行時間

• 如果輸入參數設置正確，操作符text_line_orientation返回值TRUE，否則將引發異常

• 應用：通過計算出的角度OrientationAngle和像affine_trans_image這樣的操作符，可以旋轉圖像的區域，使文本線水平地位于圖像中，這可以簡化OCR應用程序的字符分割

2、?partition_rectangle

partition_rectangle(Region, // 要分區的區域Partitioned, // 輸出分區Width, Height) // 單個矩形的寬高

• 定義：將輸入區域劃分為給定寬高的矩形，矩形在分區中返回

• 說明

• 該區域總是被分割成大小大致相等的矩形。如果要求的矩形大小不能做到這一點，則調整寬度和高度，使結果矩形的大小大致相等
• 如果區域小于給定的大小，它的輸出保持不變
• 只有當區域的大小至少是由參數給出的矩形的1.5倍時，才進行分區

3、intersection?

intersection(Region1, // 區域1與區域2中的所有區域相交Region2, // Region1與之相交的區域RegionIntersection) // 返回交集的結果

• 定義：交集計算Region1中的區域與Region2中的區域的交集

• 說明

• Region1中的每個區域與Region2中的所有區域相交
• 在Region1的各個區域與統一的區域相交之前，Region2的所有區域在內部被統一為一個區域
• RegionIntersection中region的順序與Region1中region的順序相同

• 注意：允許空輸入區域。因為空的結果區域是可能的，所以應該適當地設置系統標志'store_empty_region'

4、sort_region

sort_region(Regions, // 輸入需要排序的區域SortedRegions, // 輸出排序后的區域SortMode, // 設置需要排序的方式Order, // 設置遞增還是遞減排序RowOrCol) // 設置按照行排列還是列排列

• 定義：根據區域的相對位置對區域進行排序

• 說明：除“字符”之外的所有排序方法都使用區域的一個點。在參數RowOrCol = 'row'的幫助下，這些點將根據它們的行排序，然后根據它們的列排序。通過使用'column'，列值將首先被使用

• 注意SortMode參數的設置

• 'character'：區域被視為字符，可以水平或垂直讀取。它們按照RowOrCol給出的讀取方向排序，規范如下:

  • 'row'：行，讀取方向首先從左到右，然后從上到下

  • 'col'：列，閱讀方向首先從上到下，然后從左到右

• 'first_point'：按照第一個點排序，一個區域的第一行的最前面的點

• 'last_point'：按照最后一個點排序，一個區域的最后一行最后一列的那個點

• ?'upper_left'：外接矩形的左上角

• ?'upper_right'：外接矩形的右上角

• 'lower_left'：外接矩形的左下角

• ?'lower_right':外接矩形的右下角

5、read_ocr_class_mlp

read_ocr_class_mlp(FileName, // 讀取文件路徑OCRHandle) // OCR句柄

• 定義：從文件中讀取OCR分類器

• 說明

• read_ocr_class_mlp讀取與write_ocr_class_mlp一起存儲的OCR分類器

• 由于OCR分類器的訓練可能花費相對較長的時間，因此分類器通常在離線過程中進行訓練，并使用write_ocr_class_mlp將其寫入文件。在在線過程中，使用read_ocr_class_mlp讀取分類器，然后使用do_ocr_single_class_mlp或do_ocr_multi_class_mlp進行分類

• HALCON自帶訓練好的文件：Document（文檔字體）、Industrial（工業字體）、DotPrint（點狀字體）。選擇的文件如果有NoRej表示允許出錯，如果選擇Rej對字符的要求將更嚴格，正確率也更高

• 預先訓練的OCR分類器是拿白底黑色字符訓練的，所以識別時也要拿白底黑色的字符區域去進行識別

• 注意：如果參數有效，操作符read_ocr_class_mlp返回值TRUE。如果有必要，將引發異常

• 使用OCR助手，選擇字體-點擊放大鏡后可以查看到當前支持識別的字體內容

6、do_ocr_single_class_mlp

do_ocr_single_class_mlp(Character, // 輸入需要識別的字符區域Image, // 輸入圖像OCRHandle,Num, // 設置識別數量Class, // 用MLP對字符進行分類的結果Confidence) // 可信度 值范圍0~1

• 定義：識別單個區域OCR，使用OCR分類器OCRHandle計算由區域character和圖像Image給出的字符的最佳Num類，并返回Class中的類和Confidence中的類的相應置信度（概率）

• 說明

• 因為do_ocr_single_class_mlp可能返回多個類，所以Character只包含單個區域(單個字符)

• 如果要在一個調用中對多個字符進行分類，則必須使用do_ocr_multi_class_mlp

• 在大多數情況下應該使用do_ocr_multi_class_mlp，除非應該顯式檢查次優類

7、do_ocr_multi_class_mlp

do_ocr_multi_class_mlp(Character, // 輸入需要識別的字符區域Image, // 輸入圖像擺正之后的（必須是白底黑字）OCRHandle,Class, // 識別出來的結果Confidence) // 可信度 值范圍0~1

• 定義：使用OCR分類器對多個字符進行分類，使用OCR分類器OCRHandle為區域Character和灰度值Image給出的每個字符計算最佳類，并返回class中的類和Confidence中的類的相應置信度(概率)

• 說明

• 與do_ocr_single_class_mlp相反，do_ocr_multi_class_mlp可以在一次調用中對多個字符進行分類，因此通常比使用do_ocr_single_class_mlp對單個字符進行分類的循環要快

• 然而，do_ocr_multi_class_mlp只能返回每個字符的最佳類。因為可將置信度解釋為概率(參見classify_class_mlp和evaluate_class_mlp)，因此很容易檢查一個字符是否被分類了太多的不確定性，這通常不是一個缺點，除非類重疊太多，以至于在許多情況下必須檢查第二好的類才能決定字符的類

• 在這些情況下，應該使用do_ocr_single_class_mlp

• 在調用do_ocr_multi_class_mlp之前，必須使用trainf_ocr_class_mlp對分類器進行訓練

• 注意：Class中數字'\032'(或者顯示為'\0x1A')的字符串表示該區域已被分類為拒絕類

總結

以上是生活随笔為你收集整理的Halcon学习---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。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。