halcon第十三讲,OCR识别入门篇

orc识别在很多地方能用到,今天给兄弟们直接来一个简单号入门的例子。

1.建立OCR库

dev_close_window()
read_image(Image,'OCR/1')
get_image_size(Image,Width,Hight)
dev_open_window(0,0,Width*2,Hight*2,'black',Window)
dev_display(Image)

*字符处理
rgb1_to_gray(Image,ImageGray)
*鼠标画你要找的roi区域
draw_rectangle1(Window,Row1,Column1,Row2,Column2)
*显示roi区域
gen_rectangle1(Rectangle1, Row1, Column1, Row2, Column2)
*减少其他区域,显示你画的roi区域
reduce_domain(ImageGray,Rectangle1,ImageReduced)
threshold (ImageReduced, Regions, 0, 169)
connection(Regions,RegioncCnnection)
*排序
sort_region(RegioncCnnection,SortedRegions,'character', 'true', 'row')
count_obj(SortedRegions,Number)
for Index := 1 to Number by 1
    *dev_clear_window ()
    select_obj (SortedRegions, ObjectSelected, Index)
    dev_display (ObjectSelected)
    stop ()
endfor
*字符标识
word:= ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']
*创建训练文件
File:='OCR/1'
*将图像区域与字符标识关联,保存到训练文件
write_ocr_trainf (SortedRegions, Image, word, File)
*创建OMC文件
FontFlie:='OCR/1.omc'
*读取训练文件
read_ocr_trainf_names(File,CharacterNames,CharacterCount)
*创建神经网络分类器mlp
create_ocr_class_mlp (8, 10, 'constant', 'default', CharacterNames, 80, 'none', 10, 42, OCRHandle)
*训练
trainf_ocr_class_mlp (OCRHandle, File, 200, 1, 0.01, Error, ErrorLog)
*保存训练结果
write_ocr_class_mlp (OCRHandle, FontFlie)
clear_ocr_class_mlp (OCRHandle)
stop()

******************

原图:


1.jpg

运行结果:
image.png

2.识别OCR模板中的文字

dev_close_window()
read_image(Image,'OCR/1')
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', Window)
dev_display (Image)
*字符处理
rgb1_to_gray(Image,ImageGray)
*鼠标画你要找的roi区域
draw_rectangle1(Window,Row1,Column1,Row2,Column2)
*显示roi区域
gen_rectangle1(Rectangle1, Row1, Column1, Row2, Column2)
*减少其他区域,显示你画的roi区域
reduce_domain(ImageGray,Rectangle1,ImageReduced)
*text_line_orientation
threshold (ImageReduced, Regions, 0, 169)
connection(Regions,RegioncCnnection)
select_shape (RegioncCnnection, SelectedRegions, 'height', 'and', 0, 500)
sort_region(SelectedRegions,SortedRegions,'character', 'true', 'row')
count_obj(SortedRegions,Number)

*识别
read_ocr_class_mlp ('OCR/1.omc', OCRHandle1)
do_ocr_multi_class_mlp (SortedRegions, ImageGray, OCRHandle1, Class, Confidence)
dev_display (Image)
for j := 1 to Number by 1
    select_obj (SortedRegions, ObjectSelected1, j)
    area_center (ObjectSelected1, Area, Row, Column)
    disp_message (Window, Class[j-1], 'window', Row+20, Column, 'black', 'true')
    
endfor

运行结果1


image.png

运行结果2


image.png

只是一个入门程希望对朋友们有点帮助!!!!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,214评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,307评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,543评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,221评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,224评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,007评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,313评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,956评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,441评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,925评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,018评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,685评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,234评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,240评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,464评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,467评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,762评论 2 345

推荐阅读更多精彩内容

  • 版本记录 前言 Tesseract OCR是谷歌Google维护的一个框架,用于从图片中提取文字,有iOS和C++...
    刀客传奇阅读 4,760评论 0 11
  • 休息时看了一篇人民日报微信端的推送,《深山里的牧羊者》,很受感动。 一位39岁的身患残迹的农民,面对命运的坎坷,选...
    a迎春阅读 245评论 2 2
  • 艾灸是系统疗法,西医是逐个单挑!两相对比之下,优劣高下立判! 关注我们的健康,使之少受到过度医疗的伤害!善待自己的...
    瀚正阅读 203评论 0 1
  • 马爸爸说了,员工离职的原因不外乎有两种: 1. 钱,没给到位 2. 心,委屈了 对于创业型小公司,钱给到位是比较困...
    齐晋阅读 243评论 0 1
  • 温柔只给意中人,当我看到你时,眼底尽是藏不住的温柔。 2017年12月2日 星期六 晴 文|深海梦影 -1- 窗外...
    深海梦影阅读 6,471评论 176 295