八 Halcon学习笔记——OCR初步创建并训练OCR分类器( 二 ) _训练

第五步：训练OCR分类器
读取训练文件，使用多层感知器创建一个OCR分类器，配置如下：
使用MLP训练一个OCR分类器，设置训练参数，即最大迭代次数、权重和容错率
* Create the classifier.We read out the classes from the train file.* Therefore, the training part of the program is generic and can be* used to train any OCR classifier.read_ocr_trainf_names (TrainFile, CharacterNames, CharacterCount)create_ocr_class_mlp (8, 10, 'constant', 'default', CharacterNames, 20, 'normalization', 26, 42, OCRHandle)* Train the classifiertrainf_ocr_class_mlp (OCRHandle, TrainFile, 100, 0.01, 0.01, Error, ErrorLog)*
执行至此，我们已经完成了一个OCR分类器的训练，下面进行测试。

文章插图
第六步：测试
首先扩展图片，，输入一个矩形，其边长为图像的新定义域。这意味着矩阵的所有像素都包含在进一步的操作中。因此，通过读取或生成图像来获得相同的定义域。矩阵的大小不会改变。
然后进行快速二值化等处理，这一步操作与第二步类似，不加赘述。
接下来使用刚刚训练的OCR分类器进行测试lp，对Image中排好序的利用刚刚训练的OCR分类器，句柄为进行测试，测试结果为Class，精度为。

* Now test the classifier on the whole training imagefull_domain (Image, Image)* Segment characters the same way as beforebinary_threshold (Image, Region, 'max_separability', 'dark', UsedThreshold1)dilation_circle (Region, RegionDilation, 3.5)connection (RegionDilation, ConnectedRegions)intersection (ConnectedRegions, Region, RegionIntersection)sort_region (RegionIntersection, Characters, 'character', 'true', 'row')* Classificationdo_ocr_multi_class_mlp (Characters, Image, OCRHandle, Class, Confidence)*

执行至此，可以看到控制变量窗口处的Class变量为
完成此次OCR训练器的测试
第七步：显示
首先测得每个字符的面积、行、列，设置显示字体，显示Class的内容。

* Display resultsarea_center (Characters, Area, Row, Column)dev_display (Image)set_display_font (WindowHandle, 16, 'sans', 'true', 'false')disp_message (WindowHandle, Class, 'image', Row - 16, Column + 8, 'blue', 'false')set_display_font (WindowHandle, 16, 'mono', 'true', 'false')disp_message (WindowHandle, 'Classification result', 'window', 12, 12, 'black', 'true')dev_set_check ('~give_error')delete_file (TrainFile)dev_set_check ('give_error')

执行至此，可以看到训练结果
总结
这个简单的OCR识别例程就分析到这里，首先要得到单个的训练数据，然后创建分类器，训练分类器，最后测试并显示。