一、步驟  1. 建立訓練檔案，將文字影象與文字分類標識關聯，儲存到訓練檔案中，訓練檔案字尾名為trf，主要用到函式為append_ocr_trainf。  2. 訓練OCR分類器，Halcon支援BOX分類器、神經網路分類器（MLP）和支援向量機分類器（SVM），由於後兩者比前者更加強大，推薦使用後兩者。訓練分類器非常簡單，首先呼叫create_ocr_class_mlp或create_ocr_class_svm建立分類器，然後呼叫trainf_ocr_class_mlp或trainf_ocr_class_svm訓練分類器，用write_ocr_class_mlp或write_ocr_class_svm可以儲存訓練結果。  3. 測試分類器，讀入影象，如要文字不是水平，應將其旋轉成水平，可以使用以下函式：  text_line_orientation計算文字傾角，rotate_image旋轉影象。注意前者使用的是弧度，后角使用的是度。分割文字。讀取分類器read_ocr_class_mlp，即讀取訓練分類器的結果。使用do_ocr_multi_class_mlp對文字進行識別。  二、 參考例項       為方便起見，這裡將三個步驟放在一個例項裡，也可以分別將三個步驟儲存成三個獨立的程式。  （1）建立訓練檔案           1.1 分割字元 

dev_close_window()  read_image(Image,'F:/學習資料/Halcon工程/ocr-train.bmp') get_image_size(Image, Width, Height)  dev_open_window(0, 0, Width, Height, 'black', WindowHandle)  dev_display(Image)  threshold(Image, Region, 0, 100)  connection(Region, ConnectedRegions)  sort_region (ConnectedRegions, SortedRegions, 'upper_left', 'true', 'column') count_obj(SortedRegions, Number) for Index := 1 to Number by 1        dev_clear_window()      select_obj(SortedRegions, SingleWord, Index)          dev_display(SingleWord)          stop()  endfor

1.2文字分類標識   

words:=['a','b','c','d','e','f','g']

       1.3  建立訓練檔案  TrainFile:='words.trf'  dev_set_check('~give_error')  delete_file(TrainFile)  dev_set_check('~give_error')          1.4  將影象字元與字元標識關聯，儲存到訓練影象中  for i:=1 to Number by 1      select_obj(SortedRegions, SingleWord, i)      append_ocr_trainf(SingleWord,Image,words[i-1],TrainFile)   endfor  （2）訓練OCR          2.1  確定字型檔名  FontFile:='words.omc'          2.2  得到字元標識名  read_ocr_trainf_names(TrainFile, CharacterNames, CharacterCount)         2.3  確定神經網路隱藏層節點數  NumHidden:=20         2.4  建立神經網路分類器  create_ocr_class_mlp(8, 10, 'constant', 'default', CharacterNames, 80, 'none', 10, 42, OCRHandle)         2.5  訓練神經網路  trainf_ocr_class_mlp(OCRHandle, TrainFile, 200, 1, 0.01, Error, ErrorLog)               2.6 儲存訓練結果  write_ocr_class_mlp(OCRHandle, FontFile)           2.7  清除控制代碼  clear_ocr_class_mlp(OCRHandle)    （3）識別文字         3.1  讀入影象  dev_close_window()  read_image(Image,'F:/學習資料/Halcon工程/ocr-read.bmp') get_image_size(Image, Width, Height)  dev_open_window(0, 0, Width, Height, 'black', WindowHandle) dev_display(Image)        3.2  對齊文字  text_line_orientation(Image, Image, 25, rad(-45), rad(45), OrientationAngle) rotate_image(Image, ImageRotate, -OrientationAngle/rad(180)*180, 'constant')        3.3 分割文字 

threshold(ImageRotate, TestWordsRegion, 0,100) connection(TestWordsRegion, TestSingleWords)  select_shape (TestSingleWords, SelectedRegions, 'area', 'and', 80, 500)  sort_region (SelectedRegions, TestWordsSortedRegions, 'upper_left', 'true', 'column') count_obj(TestWordsSortedRegions, Number) read_ocr_class_mlp(FontFile, OCRHandle1)  do_ocr_multi_class_mlp(TestWordsSortedRegions, ImageRotate, OCRHandle1, Class, Confidence)  for Index := 1 to Number by 1        dev_display(ImageRotate)      select_obj(TestWordsSortedRegions, ObjectSelected, Index)          dev_display(ObjectSelected)      disp_message(WindowHandle, Class[Index-1], 'image', 12, 20*Index, 'green', 'true')          stop()  endfor  clear_ocr_class_mlp (OCRHandle1)