进行OCR的时候，同一个字符，通常需要很多字符小图，这样图片多了，才能训练出健壮的分类器。如何自动化地执行该过程呢？我提供一种思路。
待训练的图片集如下：
其中，“文件夹0”和“文件夹1”中有多张图片，例如“文件夹1”中的图片是这样的（图片名称第一个字符都是“1”）：
训练OCR分类器的完整代码如下：
1 set_font (200000, 'Arial'+'-Bold-20') 2 dev_set_draw ('margin') 3
4 ImageFolder := '第2行data'
5
6
7 list_files (ImageFolder, ['files','follow_links','recursive'], ImageFiles) 8 tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima)$','ignore_case'], ImageFiles) 9
10 gen_empty_obj (Images) 11 gen_empty_obj (RegionChars) 12 Chars := [] 13
14 for Index := 0 to |ImageFiles| - 1 by 1
15 read_image (Image, ImageFiles[Index]) 16 parse_filename (ImageFiles[Index], BaseName, Extension, Directory) 17 count_channels (Image, Channels) 18 if (Channels != 1) 19 rgb1_to_gray (Image, Image) 20 endif 21
22 *取文件名的第一个字符（例如字符1可能有多张图片，图片原始名字可能为11.bmp、12.bmp、13.bmp……） 23 tuple_substr (BaseName, 0, 0, BaseNameReal) 24
25 *增强图像对比度 26 scale_image_max (Image, Image) 27 emphasize (Image, Image, 11, 11, 1) 28
29 if (BaseNameReal == '.') 30 BaseNameReal := '.'
31 endif 32
33 threshold (Image, Region, 0, 152) 34 * binary_threshold (Image, Region, 'max_separability', 'dark', UsedThreshold) 35 opening_circle (Region, Region, 1) 36 fill_up_shape (Region, Region, 'area', 1, 100) 37
38 *将字符图像、字符区域、字符文本分别添加到Images、RegionChars、Chars中 39 concat_obj (Images, Image, Images) 40 concat_obj (RegionChars, Region, RegionChars) 41 Chars := [Chars,BaseNameReal] 42
43 dev_display (Image) 44 dev_display (Region) 45 endfor 46
47 *1.1创建训练文件 48 TrainFile:='Line2_Words.trf'
49 * delete_file(TrainFile) 50
51 *1.2将字符区域、字符图像与字符文本关联，保存到.trf训练文件中 52 for i:=1 to |Chars| by 1
53 select_obj(RegionChars, SingleWord, i) 54 select_obj(Images, SingleImage, i) 55 append_ocr_trainf(SingleWord,SingleImage,Chars[i-1],TrainFile) 56 endfor 57
58
59 ***********************************************************************
60
61 *2.1确定字体分类器文件名 62 FontFile:='Line2_Words.omc'
63
64 *2.2得到字符标识名（这一步非必须） 65 read_ocr_trainf_names(TrainFile, CharacterNames, CharacterCount) 66
67 *2.3确定神经网络隐藏层节点数 68 NumHidden := 80
69
70 *2.4创建神经网络分类器 71 create_ocr_class_mlp(42, 67, 'constant', 'default', CharacterNames, NumHidden, 'none', 10, 42, OCRHandle) 72
73 *2.5训练神经网络 74 trainf_ocr_class_mlp(OCRHandle, TrainFile, 200, 1, 0.9, Error, ErrorLog) 75
76 *2.6保存训练结果 77 write_ocr_class_mlp(OCRHandle, FontFile) 78
79 *2.7清除句柄 80 clear_ocr_class_mlp(OCRHandle)