Halcon OCR识别

1. 字符识别的基本流程

1.1 分类：

• 深度学习（海量数据驱动）
• 机器学习（传统）mlp,svm,gmm,knn
• CNN 卷积神经网络

1.2 流程：

• 读入图像
• 预处理
  • 拉开对比度
  • 几何变换（转正）
  • 去噪
  • ROI
• 字符分割（让每个字符都是一个独立的区域）
• 识别（mlp：多层神经感知） 全神经网络
• tensorFlow 游乐场

1.3 分类器：（线性/非线性）

1.3.1 过拟合/欠拟合

1.3.2 集合

• 训练集
  -. 验证集
  -. 测试集

1.3.3 解决过拟合方法

• 正则化：衰减权重系数
• Dropout：舍弃神经元

1.3.4 训练集：

• .NoRej：非拒绝 .
• .Rej：拒绝
• 拒绝要求更高。

1.3.5 函数

• read_ocr_class_mlp
• do_ocr_multi_class_mlp
• . halcon字符识别训练集是白底黑字。
• 如果字母 I 被识别成数字 1 ，可以考虑使用字母训练集识别字母，数字训练集识别数字。

2. 点状字符识别

（halcon例程：dotprt）

• 切分法，核心函数
  • partition_rectangle
  • Intersection

3. 投影变换

• 参见前面一维码，二维码识别。

4. 环形字符（极坐标变换）

• 应用场景
  • 内壁或外壁360°环形镜头的图像也需要拉直；
  • 环形物料上面的字符识别。
• 步骤
  • 求内外园半径和圆心；
  • 极坐标变换。
  • 识别

5. 局部光照不均匀

• 动态阈值分割：dyn_threshold
• 光照均衡化：illuminate
• 直方图均衡化：equ_histo_image

6. 自训练（汉字识别）

6.1 流程

• 采集图像；
• 预处理；
• 分割；
• 训练：
  • 创建神经网络
  • 形成trf文件
  • 训练（本质是优化参数，沿着梯度最小的方向）
• 训练文件的读和写
• 核心算子：
  write_ocr_trainf 写入trf文件
  read_ocr_trainf_names 读取trf文件
  create_ocr_class_mlp 创建ocr分类器
  trainf_ocr_class_mlp 训练ocr分类器
  write_ocr_class_mlp 写入ocr分类器
  read_ocr_class_mlp 读取ocr分类器

7. text模型与ocr助手

• （例子bottle.hdev）

7.1 文本模型

• get_text_model_parm 设置文本模型参数
• create_text_model_reader
• set_text_model_param
• find_text
• get_text_object
• get_text_result

8. 凹凸

• 打光（同轴光）
• 预处理
• 三维扫描（低精度成本只需要600元）
• 深度学习
• 光度立体

9. 圆柱曲面

• 和一维码、二维码一样
• 线扫相机
• 360°镜头
• 投影变换

10. 复杂背景

• 背景模糊 （差分高斯）
  

• diff_of_gauss 平滑 + 边缘留下 可以处理模糊图像
  

• gray_range_rect 灰度预处理
  或者使用
  秩序滤波 rank_rect 自己选择保留暗还是亮像素

• 图像的差分（减法） + 区域连接（根据灰度值）(案例：ocrcolor.hdev)

  • add_image
  • sub_image
  • mult_image
  • div_image
  • 根据灰度值特征进行区域拓展连接
    expand_gray_ref
    

11. 斜体字（错切变换）(案例：text_line_slant)

• text_line_slant 求倾斜字符的角度
• hom_mat2d_slant
  

12. OCV （光学字符检测）（案例：print_quality）

• create_ocv_proj
• traind_ocv_proj
• ==do_ocv_simple ==
  

13. halcon代码下载地址

链接：https://pan.baidu.com/s/1iNRQVMegUw1kM8FJYEEdFw
提取码：1fzw