halcon学习_字符识别1

实例图片

大体步骤：1.读取图片

                  2.图像预处理（阈值分割，提取标签部分，缩小处理区域）

                 3.将标签区域的最小外接矩形，从原图中剪切

                 4.图像旋转，将文字摆正 

                 5.水平分割

               6.局部阈值分割，提取出ROI

               7.创建词典（之所以不直接使用字符模板直接识别，是因为，直接识别的话，字母O会被识别为数字0 等等异常识别，使用字典会比较准确识别）

               8.读取识别模板

              9.使用字典进行识别

 关键点：字典    局部阈值分割    水平分割  

注意点：halcon字符识别自带模板是基于白底黑字  ，输入的图像要进行转换  保证是二值化图像 并且是白底黑字，

如果是黑底白字，使用算子 invert_image  进行图像翻转。

dev_close_window()
read_image (Image, 'label/label_01.png')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
*dev_open_window (0, 0, 512, 512, 'black', WindowHandle1)
dev_set_window (WindowHandle)
dev_display (Image)
*固定阈值分割
threshold (Image, Region, 128, 230)
*区域连通
connection (Region, ConnectedRegions)
*区域筛选
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 47000, 59000)
*开运算
opening_circle (SelectedRegions, RegionOpening, 4)
*回去最小外接矩形
shape_trans (RegionOpening, RegionTrans, 'rectangle2')
*水平分割
text_line_orientation (RegionTrans, Image, 25, -0.523599, 0.523599, OrientationAngle)
*创建矩阵但也
hom_mat2d_identity (HomMat2DIdentity)
*求变换矩阵关系
hom_mat2d_rotate (HomMat2DIdentity, -OrientationAngle, 0, 0, Deskew)
*原图变化 旋转
affine_trans_image (Image, ImageAffineTrans, Deskew, 'constant', 'false')
*区域旋转
affine_trans_region (RegionTrans, RegionAffineTrans, Deskew, 'nearest_neighbor')
*外接矩形参数
smallest_rectangle1 (RegionAffineTrans, Row1, Column1, Row2, Column2)
*图像截取
reduce_domain (ImageAffineTrans, RegionAffineTrans, ocrimage)
*通过局部平均值和标准偏差进行阈值图像。试用场合不均匀的照明或噪声的图像
*第一个输入参数:输入图像
*第二个输出参数:分割后的区域
*第三个输人参数:均值和标准差的掩码宽度
*第四个输入参数:均值和标准差的掩码高度
*第五个输入参数:标准差因子
*第六个输入参数:最小灰度值和均值之差
*第七个输入参数:提取区域的类型，是亮的区域，或暗的区域，或相似区域，或不相似区域
var_threshold (ocrimage, Region1,40, 40, 0.8, 10, 'dark')
connection (Region1, ConnectedRegions1)
*水平分割
partition_dynamic (ConnectedRegions1, Split, 21, 40)
*选择文字整体
select_shape (Split, Characters, ['width','height'], 'and', [10,20], [30,50])
*选择单词部分
select_shape (Characters, word_image, 'row', 'and', 0,Row1+80)
*选择日期部分
select_shape (Characters, date_image, 'row', 'and', Row1+80, 500)
*排序
sort_region (word_image, SortedRegions, 'character', 'true', 'row')
*获取区域参数 面积 行 列
area_center (SortedRegions, Area, Row, Column)
Column[|Column|]:=888
gen_empty_obj (word)
text:=''
text_word_all:=''
text_date_all:=''
*创建词典
create_lexicon ('label', ['BEFORE','BEST','END'], LexiconHandle)
*读取模型
read_ocr_class_mlp ('Industrial_NoRej', OCRHandle)
for i := 1 to |Column|-1 by 1
select_obj (word_image, ObjectSelected, i)
concat_obj (word, ObjectSelected, word)
if (i==|Column| or (Column[i]-Column[i-1])>30)
*开始识别
*第一个参数 要识别的图
*第二个参数 原图
*第六个参数表示误差范围，既和字典中单词对比 长度误差范围
do_ocr_word_mlp (word, ocrimage, OCRHandle, '<label>', 3, 2, Class, Confidence, text_1, Score)
text:=text+' '+text_1
gen_empty_obj (word)
endif
endfor
text_word_all:=text
*下面开始识别日期部分
*排序
sort_region (date_image, SortedRegions1, 'character', 'true', 'row')

*使用正则表达式识别
*^ 开始 ()子表达式 [] 标记一个中括号表达式的开始 | 指明两项之间的一个选择
t:='^([0-2][0-9]|30|31)/(0[1-9]|10|11|12)/0[0-5]$'
do_ocr_word_mlp (SortedRegions1, ocrimage, OCRHandle, t, 10, 5, Class1, Confidence1, Word, Score1)
text_date_all:=Word
*清除窗体
dev_clear_window ()
dev_display (ocrimage)
*设置多颜色显示
dev_set_colored (6)
dev_display (word_image)
dev_display (date_image)
*设置字体
set_display_font (WindowHandle, 20, 'mono', 'true', 'false')
*在窗体中显示文字
disp_message (WindowHandle,'字母部分：'+ text_word_all, 'image', 10, 10, 'red', 'true')
disp_message (WindowHandle,'日期部分：'+ text_date_all, 'image', 40, 40, 'green', 'true')

运行结果