机器视觉 /从bottle.hdev示例程序开启HalconHDevelop征程

本文主要是介绍机器视觉 /从bottle.hdev示例程序开启HalconHDevelop征程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

概述
示例程序bottle.hdev源码
- Step 0: Preparations
- Step 1: Segmentation - 读取并显示图片
- Step 1: Segmentation - 创建并设置OCR模型
- Step 1: Segmentation - 文本分割与识别
- 计算结果显示
- 内存释放
导出为C++代码
- 导出为C++代码
- 配置 VS + Halcon 环境
- VS程序执行结果
- HTuple hv_Classes 转 std::string
OCR训练/字体文件（bottlet.hdev）
- Step2 - 生成OCR样本数据
- Step3: 执行OCR训练
- Step1 - 提取到感兴趣区域
总结

概述

作为Halcon和Hdevlop的菜鸟选手，bottle.hdev 算是我踏上这条路的第一次实践。
开始学习Halcon后，零零散散地阅读了些资料，并无感，于是决定从示例程序再下手。基于前阵子读了些Blob内容，便在示例程序目录树 [方法 -> Blob分析] 分支下，希望能找到一个足够简单和实用的例子来研习，最终锁定名为 bottle.hdev（完成分割和读取啤酒瓶上保质期）的程序文件。尽管它可能不是最简单并适合入门的示例程序，但我就是一眼相中了它。在阅读该示例程序前，我已简单了解Halcon的数据类型、基本语法等知识。

示例程序bottle.hdev源码

* bottle.hdev: Segment and read numbers on a beer bottle

本程序的主要功能是，分割和读取啤酒瓶上标识的保质期。后续代码注释中的 “best before” date 含义为保质期/最佳饮用日期/最佳食用日期。该程序利用已经训练好的OCR模型，识别啤酒瓶上的 “最佳饮用日期”，将图片字符转换为日期数字。

Step 0: Preparations

* Step 0: Preparations
* Specify the name of the font to use for reading the date on the bottle.
* It is easiest to use the pre-trained font Universal_0-9_NoRej. If you
* have run the program bottlet.hdev in this directory, you can activate
* the second line to use the font trained with this program.
FontName := 'Universal_0-9_NoRej'
* FontName := 'bottle'

Preparations是准备工作。其中指定了用于读取瓶子上日期的字体的名称。如果您运行了目录中的 bottlet.hdev 程序，可以取消注释第二行以使用该程序训练的字体。可以看到 bottlet.hdev 程序与 bottle.hdev 程序同在 …/examples\hdevelop\Applications\OCR 目录下，前者功能是 Training of the OCR. The font is used in “bottle.hdev”。根据代码中的注释，建议使用预训练的字体"Universal_0-9_NoRej"，该字体可能是经过训练和优化的，以便更好地识别瓶子上的数字字符。

补充，（临时不做深究20240228，后续章节可能添加）
OCR（Optical Character Recognition，光学字符识别）的训练和字体选择是OCR技术中的一部分，其中涉及复杂的算法和模型训练过程。在OCR训练中，通常需要提供大量的标注数据，其中包括图像样本和相应的字符标签。通过将这些样本输入到OCR算法中，可以通过训练来调整OCR模型的参数，使其能够更好地识别出字符。在OCR中，字体（Font）指的是一种特定的字符设计和排列方式。不同的字体具有不同的字形和样式，如字体的大小、粗细、倾斜度等。字体在OCR中起到重要的作用，因为不同的字体可能会对字符的外观和特征产生影响，从而影响OCR的准确性。

Step 1: Segmentation - 读取并显示图片

* 
* Step 1: Segmentation
dev_update_window ('off') 
read_image (Bottle, 'bottle2')
get_image_size (Bottle, Width, Height)
dev_close_window ()
dev_open_window (0, 0, 2 * Width, 2 * Height, 'black', WindowID)
set_display_font (WindowID, 16, 'mono', 'true', 'false')
dev_display (Bottle)
disp_continue_message (WindowID, 'black', 'true')
stop ()

该段代码实现了，在一个窗口中显示读取的图像，并等待用户操作。具体的，
1、程序先将窗口更新设置为关闭状态，在不需要实时更新图像时，关闭更新以提升处理速度。
2、从名为’bottle2’的图像文件中读取图像数据，并将其存储在名为Bottle的变量中。
3、获取图像Bottle的宽度和高度，并将它们存储在Width和Height变量中。
4、关闭了之前可能打开的窗口，以便为后面的窗口设置做准备。
5、使用dev_open_window打开一个新的窗口，设置窗口的位置和大小。通过将窗口的宽度和高度设置为原始图像的两倍，可以提供足够的空间来显示分割和识别结果。新打开的窗口如下图，其中，图形窗口的名称 200000 为 WindowID 的值。
在这里插入图片描述
6、置窗口的显示字体。它将字体大小设置为16，字体类型设置为’mono’（等宽字体），'true’表示将字体设置为粗体，'false’表示不使用斜体。
7、调用 dev_display (Bottle) 在打开的窗口中显示图像Bottle。
8、disp_continue_message 在窗口中显示一条继续消息。它将消息的颜色设置为黑色，'true’表示以等待用户操作的方式显示消息。在单步调试时，图形窗口右下角可见 “Press Run (F5) to continue”。很显然这是一种调试信息。
在这里插入图片描述
9、代码行 stop()，该函数的作用是提供一个交互式的界面，使用户有机会查看并处理窗口中的图像。当程序执行到此行时，程序将暂停，直到用户采取某种操作或关闭窗口为止。用户可以使用键盘的F5，或者是工具栏的运行F5按钮、单步调试按钮等使得程序继续运行。直观的功能是，调试过程中，当使用一次F5时，程序会在一个stop行上停住，在执行上述任意用户操作后方能继续。

Step 1: Segmentation - 创建并设置OCR模型

* 
* Create Automatic Text Reader and set some parameters
create_text_model_reader ('auto', FontName, TextModel)
* The printed date has a significantly higher stroke width
set_text_model_param (TextModel, 'min_stroke_width', 6)
* The "best before" date has a particular and known structure
set_text_model_param (TextModel, 'text_line_structure', '2 2 2')

补充，
在Halcon算子帮助文档中，会首先列出函数签名，然后实际的函数声明，以使得读者可以辨别出参数数据类型和输出输出类型。Halcon算子函数的签名，遵循如下格式，
在这里插入图片描述
以create_text_model_reader 函数为例，其签名如下，

这个函数没有输入和输出图像数据，只有两个输入控制数据 + 一个输出控制数据。

create_text_model_reader (‘auto’, FontName, TextModel)
在这里插入图片描述
该函数创建一个TextModel文本模型，用于描述将要使用find_text进行分割的文本。此行代码是本程序的核心代码，它代表了要查找的内容。通过这个文本模型，可以定义和描述要查找的文本的特征和结构。例如，可以指定要查找的特定字符、字体、大小、颜色等。然后，可以使用这个文本模型在图像中查找符合这些特征和结构的文本。

参数’auto’表示使用自动模式来选择合适的OCR模型和字体。参数FontName，对应形参OCRClassifier，意为分类器，是输入型控制数据，Halcon提供了很多预定义分类器，
在这里插入图片描述

set_text_model_param (TextModel, ‘min_stroke_width’, 6)
在这里插入图片描述
设置文本模型TextModel的参数，用于指定文本中字符的最小笔画宽度，以像素为单位。这个设置项仅适用于字符，标点符号或分割符的笔画宽度不受其限制。示例中，其用于处理印刷日期，因为这些字符通常具有较大的笔画宽度。

set_text_model_param (TextModel, ‘text_line_structure’, ‘2 2 2’)
在这里插入图片描述
指定文本行的结构(每行字符的数量和结构)。示例中，‘2 2 2’ 表示 “best before” 日期的结构为3个字符段，每段包含2个字符。

Step 1: Segmentation - 文本分割与识别

*
* Read the "best before" date
find_text (Bottle, TextModel, TextResultID)

在这里插入图片描述
在Image图像中，函数find_text，会查找由TextModel指定的文本，并将结果存返回存储到TextResultID中。TextResultID所包含的具体的（Specific）结果可以使用get_text_result和get_text_object获取。TextResultID中的文本结果会根据使用create_text_model_reader创建TextModel时设置的Mode而有所不同。

计算结果显示

* 
* Display the segmentation results
get_text_object (Characters, TextResultID, 'all_lines')
dev_display (Bottle)
dev_display (Characters)
stop ()
* Display the reading results
get_text_result (TextResultID, 'class', Classes)
area_center (Characters, Area, Row, Column)
disp_message (WindowID, Classes, 'image', 80, Column - 3, 'green', 'false')

在这里插入图片描述
get_text_object 函数获取了find_text函数的具体输出数据，可以通过ResultName参数指定获取全部字符，一行字符、或者指定序号的一个字符等。执行结果如下，

有点意外的是，代码执行到上述位置，图像变量Charactors被赋值后，在执行dev_display之前，Charactors会在图形窗口中叠加显示，当执行到下一行代码时，Charactors又被从图形窗口中清除。dev_display (Bottle)、dev_display (Characters) 会再次重新显示图像变量。

在这里插入图片描述
不同于get_text_object，函数get_text_result输出的是控制数据 ResultValue，即变量Classes对应的字符串数组，具体执行结果，

字符串数组（string array）Classes 存储了每个字符的识别类别。进行文本识别时，每个字符都被分类到不同的类别中。这些类别可以表示不同的字符、数字、符号等。例如，类别可以是字母A、数字1、标点符号!等等。具体的，这里水太深，暂不深究。

内存释放

* 
* Free memory
clear_text_result (TextResultID)
clear_text_model (TextModel)

在Halcon中，文本结果和文本模型存储着大量的信息，包括字符识别结果、模型参数等。为了有效地管理这些数据，并确保在需要时可以释放内存，Halcon将这些数据分配在堆上。

导出为C++代码

Halcon提供了各种导出选项，例如C++, C#, Visual Basic等，以及与OpenCV等其他常用机器视觉库的集成。导出为其他语言可以让开发人员更方便地将Halcon的功能嵌入到自己的应用程序中，并与其他库和工具进行集成。这种灵活性使得Halcon成为一个强大的机器视觉开发平台，可以适应不同的应用需求和开发环境

导出为C++代码

在文件菜单中选择导出，打开如下导出界面，暂保持默认配置，
在这里插入图片描述
本地函数是在当前程序文件中定义的函数，它们通常用于封装和组织代码，并在程序中多次使用。外部函数是在其他Halcon程序文件中定义的函数，它们可能是标准的Halcon函数库函数或自定义的函数。按照上述配置，成功导出 bottle.cpp文件，其中主要函数实现如下，

// Main procedure 
void action()
{// Local iconic variablesHObject  ho_Bottle, ho_Characters;// Local control variablesHTuple  hv_FontName, hv_Width, hv_Height, hv_WindowID;HTuple  hv_TextModel, hv_TextResultID, hv_Classes, hv_Area;HTuple  hv_Row, hv_Column;////bottle.hdev: Segment and read numbers on a beer bottle////Step 0: Preparations//Specify the name of the font to use for reading the date on the bottle.//It is easiest to use the pre-trained font Universal_0-9_NoRej. If you//have run the program bottlet.hdev in this directory, you can activate//the second line to use the font trained with this program.hv_FontName = "Universal_0-9_NoRej";//FontName := 'bottle'////Step 1: Segmentation// dev_update_window(...); only in hdevelopReadImage(&ho_Bottle, "bottle2");GetImageSize(ho_Bottle, &hv_Width, &hv_Height);if (HDevWindowStack::IsOpen())CloseWindow(HDevWindowStack::Pop());SetWindowAttr("background_color","black");OpenWindow(0,0,2*hv_Width,2*hv_Height,0,"visible","",&hv_WindowID);HDevWindowStack::Push(hv_WindowID);set_display_font(hv_WindowID, 16, "mono", "true", "false");if (HDevWindowStack::IsOpen())DispObj(ho_Bottle, HDevWindowStack::GetActive());disp_continue_message(hv_WindowID, "black", "true");// stop(...); only in hdevelop////Create Automatic Text Reader and set some parametersCreateTextModelReader("auto", hv_FontName, &hv_TextModel);//The printed date has a significantly higher stroke widthSetTextModelParam(hv_TextModel, "min_stroke_width", 6);//The "best before" date has a particular and known structureSetTextModelParam(hv_TextModel, "text_line_structure", "2 2 2");////Read the "best before" dateFindText(ho_Bottle, hv_TextModel, &hv_TextResultID);////Display the segmentation resultsGetTextObject(&ho_Characters, hv_TextResultID, "all_lines");if (HDevWindowStack::IsOpen())DispObj(ho_Bottle, HDevWindowStack::GetActive());if (HDevWindowStack::IsOpen())DispObj(ho_Characters, HDevWindowStack::GetActive());// stop(...); only in hdevelop//Display the reading resultsGetTextResult(hv_TextResultID, "class", &hv_Classes);AreaCenter(ho_Characters, &hv_Area, &hv_Row, &hv_Column);disp_message(hv_WindowID, hv_Classes, "image", 80, hv_Column-3, "green", "false");////Free memoryClearTextResult(hv_TextResultID);ClearTextModel(hv_TextModel);
}

对应着原来的hdev程序，上述C++代码很好理解，基本上就是换了一个函数名字而已，由于初学，也不再做太深入的研究。在VS中新建空项目，添加HDevelop导出生成的bottle.cpp文件。此时是无法通过编译的，因为尚未配置 IDE …

配置 VS + Halcon 环境

关于集成开发环境的配置，是老生常谈，需要配置哪些方面的内容，可参见《》，此处仅简单描述，建议使用相对路径配置，本机系统环境变量如下，
在这里插入图片描述
以Debug + x64平台为例进行配置如下，

项目属性 -> C/C++ -> 常规 -> 附加包含目录,
$(HALCONROOT)\include;$(HALCONROOT)\include\halconcpp项目属性 -> 连接器 -> 常规 -> 附加库目录,
$(HALCONROOT)\lib\$(HALCONARCH)项目属性 -> 连接器 -> 输入 -> 附加依赖项,
halconcpp.lib

VS程序执行结果

注意在main函数中加上 system(“pause”); 语句，否则窗口将一闪而过。

在这里插入图片描述

HTuple hv_Classes 转 std::string

将结果转换为自己熟悉的C++字符串，心里踏实了许多。这里成功测试了两种方法，但可能不是最简单的方法。

#if 0HString hstring = hv_Classes.ToString();std::string std_string = hstring.Text();std::cout << "hv_Classes to std_string, Len:" << hstring.Length()<< ", Content: " << std_string<< std::endl;//print//hv_Classes to std_string, Len:30, Content : ["0", "1", "0", "8", "9", "4"]
#elsestd::string std_string;for (int i = 0; i < hv_Classes.Length(); i++) {HString str = hv_Classes[i].S();char* code = const_cast<char*>(str.Text());std_string += code;}std::cout << "hv_Classes to std_string, Content: " << std_string << std::endl;//print//hv_Classes to std_string, Content: 010894
#endif // 0

OCR训练/字体文件（bottlet.hdev）

学习整理完成 bottle.hdev后，直观的感受是，在Halcon和HDevelop的加持下，实现一个光学字符识别功能真的是挺方便的。前边遗留了OCR训练的过程和概念没搞明白，一转眼过去10多天了，倒回头来再深入下。下文将试图理解，什么是OCR训练，如何训练，什么是文本模型，它的内容是什么？ etc.

Step2 - 生成OCR样本数据

* Step2: Training file generation
TrainingNames := ['0','1','0','8','9','4']
TrainingFileName := FontName + '.trf'
sort_region (FinalNumbers, SortedRegions, 'first_point', 'true', 'column')
shape_trans (SortedRegions, RegionTrans, 'rectangle1')
area_center (RegionTrans, Area, Row, Column)
MeanRow := mean(Row)
dev_set_check ('~give_error')
delete_file (TrainingFileName)
dev_set_check ('give_error')
for I := 0 to |TrainingNames| - 1 by 1select_obj (SortedRegions, CharaterRegions, I + 1)append_ocr_trainf (CharaterRegions, Bottle, TrainingNames[I], TrainingFileName)disp_message (WindowID, TrainingNames[I], 'image', MeanRow - 40, Column[I] - 6, 'yellow', 'false')
endfor

我们先跳跃着来看看与bottle.hdev最直接相关的部分。如下代码进行了OCR训练文件的存储，
在这里插入图片描述
具体的，

select_obj 函数的功能比较好理解，它使用（I+1）索引值，从对象数组SortedRegions中获取单个对象。如I==2时，CharaterRegions对应的Region图如下，

有了单字符图像数据后，并不是直接简单地与实际字符进行映射关系存储就万事大吉了，尽管确实涉及了写文件操作，
在这里插入图片描述
TrainingFileName == ‘bottle.trf’ 即 bottle.hdev 中可以选择使用的字体文件。
如上，append_ocr_trainf 函数的功能实际上是在设置OCR训练所直接需要的数据，它为后续的 trainf_ocr_class_mlp 训练过程做准备。它将表示字符的regin区域（包括区域和像素的灰度值）以及相应的类别名称（TrainingNames[I]，字符值）写入文件中。一个图像中可以支持任意（arbitrary）数量的字符区域。对于signature_Character中的每个字符（regin区域），必须在signature_Class中指定相应的class name类别名称。灰度值通过Image参数传递。与write_ocr_trainf操作不同的是，它使用相同的训练文件格式，将字符追加到现有文件中。如果文件不存在，将生成一个新文件。（这里可得知，append_ocr_trainf 确实也是写文件操作的）。

Step3: 执行OCR训练

* Step3: Training
* 将训练样本的名称列表进行sort排序并uniq去重，得到一个包含所有不同标签的列表
CharNames := uniq(sort(TrainingNames))
* 创建一个基于多层感知器（MLP）的OCR分类器，并设置参数。并将其保存在 OCRHandle 变量中
create_ocr_class_mlp (8, 10, 'constant', 'default', CharNames, 10, 'none', 10, 42, OCRHandle)
* 使用训练文件 TrainingFileName 中的样本数据对 OCRHandle 中的OCR分类器进行训练。训练次数为200次，学习率为0.01
trainf_ocr_class_mlp (OCRHandle, TrainingFileName, 200, 1, 0.01, Error, ErrorLog)
* 将训练得到的OCR分类器以 FontName 的名称保存起来，以便后续使用，即在bottle.hdev中使用的字体名称
write_ocr_class_mlp (OCRHandle, FontName)
* 清除 OCRHandle 中的OCR分类器，释放相关的内存资源。
clear_ocr_class_mlp (OCRHandle)

不再对上述代码具体展开，只重点关注下 trainf_ocr_class_mlp 函数，
在这里插入图片描述
trainf_ocr_class_mlp trains the OCR classifier OCRHandle with the training characters stored in the OCR training files given by TrainingFile.
函数 trainf_ocr_class_mlp 使用存储在OCR训练文件（TrainingFile == ‘bottle.trf’）中的训练字符，来训练OCR分类器。在执行这个训练过程前，训练文件必须已经是存在的，前边也已经说了，append_ocr_trainf 如果检测到文件不存在，会自动创建。函数的参数挺多的，大体来看一下，以便理解，

trainf_ocr_class_mlp (OCRHandle, TrainingFileName, 200, 1, 0.01, Error, ErrorLog)
该行代码用于训练基于多层感知器（MLP）的OCR分类器的操作，该操作详细说明如下，

OCR分类器的句柄 [OCRHandle]：即先前使用create_ocr_class_mlp操作创建的分类器。
训练文件名称 [TrainingFileName]：其中包含用于训练的样本数据。该文件应该符合与append_ocr_trainf操作相同的训练文件格式。
训练迭代次数 [200]：。在每次迭代中，分类器根据样本数据进行参数更新和优化。迭代次数越多，训练效果可能会更好，但可能导致训练时间较长。
批处理大小 [1]：批处理是指一次性将多个样本数据一起输入到分类器进行训练。设置批处理大小可以控制每次迭代中使用的样本数量。在此情况下，每次迭代中使用一个批次。
学习率 [0.01]：学习率决定了在每次迭代中更新参数时所应用的步长。较高的学习率可以加快训练速度，但可能导致不稳定的收敛。较低的学习率可以提高收敛的稳定性，但可能需要更多的迭代次数才能达到较好的训练效果。
误差值 [Error]：用于存储训练过程中的误差值。通过该参数可以获取每次迭代后分类器的训练误差。
误差日志 [ErrorLog]：用于存储训练过程中的误差日志。通过该参数可以获取每次迭代后的详细误差信息。

Step1 - 提取到感兴趣区域

通过前文的学习和分析，我们已经大体知道了什么是OCR训练文件、训练的样本数据、基本的训练参数、OCR分类器等基本概念，大约明白了 bottle.hdev 使用的 ‘字体’ 到底是怎么搞出来的，算是基本将两个halcon程序的功能对接上了。接下来我们将简单地看看最初的样本数据是怎么计算分析出来的…

* Step 1: Segmentation
dev_update_window ('off')
read_image (Bottle, 'bottle2')
get_image_size (Bottle, Width, Height)
dev_close_window ()
dev_open_window (0, 0, 2 * Width, 2 * Height, 'black', WindowID)
set_display_font (WindowID, 27, 'mono', 'true', 'false')
* 使用阈值化操作将图像Bottle分割成二值图像，将像素值在0到95之间的像素设为前景，其他像素设为背景
threshold (Bottle, RawSegmentation, 0, 95)
* 对RawSegmentation中连通域面积1到5个像素之间的区域进行填充，用于去除图像中的噪点或细小的非感兴趣区域
fill_up_shape (RawSegmentation, RemovedNoise, 'area', 1, 5)
* 使用半径为2.5的圆形结构元素，对RemovedNoise进行圆形开运算，通过先腐蚀再膨胀的操作，去除小的细节并保留较大的结构
opening_circle (RemovedNoise, ThickStructures, 2.5)
* 对ThickStructures进行形状填充操作，填充孔洞，形成实心的连通区域，并将结果保存在Solid中
fill_up (ThickStructures, Solid)
* 使用宽度为1高度为7的矩形结构元素，对Solid进行矩形开运算，去除细小的细节并保留较大的结构，将结果保存在Cut中
opening_rectangle1 (Solid, Cut, 1, 7)
* 对Cut进行连通性分析，将具有相同连通性的像素标记为同一对象，并将结果保存在ConnectedPatterns中
connection (Cut, ConnectedPatterns)
* 计算ConnectedPatterns和ThickStructures之间的交集，得到候选对象NumberCandidates
intersection (ConnectedPatterns, ThickStructures, NumberCandidates)
* 根据面积的大小选择形状，保留面积在300到9999（个像素）之间的对象，并将结果保存在Numbers中
select_shape (NumberCandidates, Numbers, 'area', 'and', 300, 9999)
* 根据区域的首点坐标进行排序，按列的顺序对Numbers中的区域进行排序，并将结果保存在FinalNumbers中
sort_region (Numbers, FinalNumbers, 'first_point', 'true', 'column')
* 显示原始图
dev_display (Bottle)
* 设置图形窗口中绘图颜色为绿色
dev_set_color ('green')
* 设置图形窗口中绘图线宽为2像素
dev_set_line_width (2)
* 设置图形窗口中绘图形状为矩形
dev_set_shape ('rectangle1')
* 设置图形窗口中绘图绘制方式为边缘margin模式
dev_set_draw ('margin')
* 按照上述绘制参数绘制并显示FinalNumbers中的图像区域，具体如下图所示
dev_display (FinalNumbers)