2.1识别 OCR 的流程和方法
处理图像使得数字或是字母为白底黑字->创建字符识别句柄->识别->清除句柄
算子：read_ocr_class_mlp( : : FileName : OCRHandle)
示例：read_ocr_class_mlp ('Document_0-9A-Z_NoRej.omc', OCRHandle)
'Document_0-9A-Z_NoRej.omc'（输入控制参数）：输入识别类型
OCRHandle（输出控制参数）： 输出识别句柄
算子：do_ocr_multi_class_mlp(Character, Image : : OCRHandle : Class, Confidence)
示例：do_ocr_multi_class_mlp (ObjectSelected, ImageInvert, OCRHandle, Class, Confidence)
ObjectSelected（输入对象）：输入识别区域
ImageInvert（输入对象）：输入识别图像
OCRHandle（输入参数）：输入句柄
Class（输入对象）：输出识别的字符
Confidence（输出参数）：输出识别的相似度
算子：comment( : : Comment : )
示例：clear_ocr_class_mlp (OCRHandle)
OCRHandle（输入控制参数）：输入识别句柄
2.2训练字符识别库文件流程和方法
1.提取图像中的字符->
2.将每个字符加到训练文件中（append_ocr_trainf）->
3.除重（uniq）->
4.创建一个使用 多层感知器（create_ocr_class_mlp）->
5.利用多层感知器创建一个新的OCR分级器（trainf_ocr_class_mlp）->
6.将OCR分级器的OCRHandle写入文件的FileName（文件名)（write_ocr_class_mlp）->
7.训练字符文件->
8.读取训练后的文件 生成识别的分类器句柄read_ocr_class_mlp ->
9.识别字符：识别单个字符（do_ocr_single_class_mlp），识别多个字符（do_ocr_multi_class_mlp）->
10.关闭分类器句柄（clear_ocr_class_mlp）
**************************详细步骤**********************
2.将每个字符加到训练文件中（append_ocr_trainf）
算子：append_ocr_trainf(Character, Image : : Class, TrainingFile : )
示例：append_ocr_trainf (ObjectSelected, ImageReduced, tuple[Index], 'train_ocr'+'.trf')
ObjectSelected（输入对象1）：字符Regio
ImageReduced（输入对象2）：字符Image
Tuple（输入控制参数1）：字符文本
'train_ocr'+'.trf'（输入控制参数2）：OCR训练的.trf文件路径
示例：chans:=uniq(sort(tuple))
Tuple（输入控制参数）：字符集数组
3.除重（uniq）
示例：chans:=uniq(sort(tuple))
Tuple（输入控制参数）：字符集数组
4.创建一个使用 多层感知器（create_ocr_class_mlp）
算子：create_ocr_class_mlp( : : WidthCharacter, HeightCharacter, Interpolation, Features, Characters, NumHidden, Preprocessing, NumComponents, RandSeed :OCRHandle)
示例：create_ocr_class_mlp (8, 10, 'constant', 'default', chans, 80, 'none', 10, 42, OCRHandle)
8（输入控制参数1）：字符的宽度（默认）
10（输入控制参数2）：字符的宽度（默认）
'constant'（输入控制参数3）：字符缩放样式（默认）
'default'（输入控制参数4）： 用于分类的特征（默认）
Chans（输入控制参数5）：要读取的字符集的所有字符
80（输入控制参数6）：对MLP隐藏单元数（默认）
‘none'（输入控制参数7）：用于转换特征向量的预处理类型（默认）
10（输入控制参数8）：预处理参数：变换特征的个数（默认）
42（输入控制参数9）：随机数生成器的种子值，用于初始化具有随机值的MLP。（默认）
OCRHandle（输出控制参数）：输出OCR分类器的句柄
5.利用多层感知器创建一个新的OCR分级器（trainf_ocr_class_mlp）
算子：trainf_ocr_class_mlp( : : OCRHandle, TrainingFile, MaxIterations, WeightTolerance, ErrorTolerance : Error, ErrorLog)
示例：trainf_ocr_class_mlp (OCRHandle, 'train_ocr.trf', 200, 1, 0.01, Error, ErrorLog)
OCRHandle（输入控制参数1）：OCR分类器的句柄
'train_ocr.trf'（输入控制参数2）,：训练文件名称
200（输入控制参数3）：优化算法的最大迭代次数（默认）
1（输入控制参数4）：优化算法两次迭代中MLP权重差的阈值（默认）
0.01（输入控制参数5）：优化算法两次迭代训练数据上MLP平均误差的阈值。（默认）
Error（输入控制参数6）：训练数据中MLP的平均误差（默认）
ErrorLog（输入控制参数7）：训练数据上的MLP的平均误差作为优化算法迭代次数的函数。（默认）
6.将OCR分级器的OCRHandle写入文件的FileName（文件名)
算子：write_ocr_class_mlp( : : OCRHandle, FileName : )
示例：write_ocr_class_mlp (OCRHandle, 'train_ocr')
OCRHandle（输入控制参数1）：OCR分类器的句柄
'train_ocr'（输入控制参数2）：保存OCR的的.omc分类器到文件
7.训练字符文件
8.读取训练后的文件 生成识别的分类器句柄read_ocr_class_mlp
算子：read_ocr_class_mlp( : : FileName : OCRHandle)
示例：read_ocr_class_mlp ('C:/Users/Administrator/Desktop/学习文件夹/练习/练习11/train_ocr.omc', OCRHandle1)
'C:/Users/Administrator/Desktop/学习文件夹/练习/练习11/train_ocr.omc'（输入控制参数）：输入训练好的文件地址
OCRHandle1（输出控制参数）：输出OCR分类器的句柄
9.识别字符：识别单个字符（do_ocr_single_class_mlp），识别多个字符（do_ocr_multi_class_mlp）
识别单个
算子：do_ocr_single_class_mlp(Character, Image : : OCRHandle, Num : Class, Confidence)
示例：do_ocr_single_class_mlp (SortedRegions1, ImageScaled2, OCRHandle1, 1, Class1, Confidence1)
SortedRegions1（输入对象1）：输入要识别的字符区域
ImageScaled2（输入对象2）：输入需要识别的图像
OCRHandle1（输入控制参数1）：输入OCR 分类器的句柄
1（输入控制参数2）：输入要确定的最佳类别的数量（默认）
Class1（输入控制参数3）：输出使用 MLP 对字符进行分类的结果（默认）
Confidence1（输入控制参数4）：输出字符识别得分（默认）
识别多个：
算子：do_ocr_multi_class_mlp(Character, Image : : OCRHandle : Class, Confidence)
示例：do_ocr_multi_class_mlp (ObjectSelected1, ImageScaled2, OCRHandle1, Class, Confidence)
ObjectSelected1（输入对象1）：输入要识别的字符区域
ImageScaled2（输入对象2）：输入需要识别的图像
OCRHandle1（输入控制参数1）：输入OCR 分类器的句柄
Class（输入控制参数2）：输出MLP 对字符进行分类的结果（默认）
Confidence（输入控制参数3）：输出字符识别得分（默认）
10.关闭分类器句柄（clear_ocr_class_mlp）
算子：clear_ocr_class_mlp( : : OCRHandle : )
示例：clear_ocr_class_mlp (OCRHandle1)文章来源：https://www.toymoban.com/news/detail-664157.html
OCRHandle1（输入控制参数）：分类器句柄文章来源地址https://www.toymoban.com/news/detail-664157.html
到了这里，关于Halcon图像的 OCR 识别&训练字符的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![深度学习应用篇-计算机视觉-OCR光学字符识别[7]：OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标、应用场景](https://imgs.yssmx.com/Uploads/2024/02/705153-1.png)
