以下也是超级箱子supperbox在字符识别的应用；本篇给出所有相关算子。
从文件读取OCR分类器
read_ocr( : : FileName : OcrHandle)
将OCR分类器写入文件
write_ocr（：： FileName， OcrHandle：）
重新分配 OCR 分类器的内存。
close_ocr( : : OcrHandle : )
运算符 close_ocr 释放编号为 OcrHandle 的分类器的内存。因此，所有相应的数据将被删除。但是，如果需要，可以使用运算符 write_ocr 提前保存它们。调用close_ocr后OcrHandle号码无效；但稍后系统可以再次将其用于新的分类器。
产生新的分类器
create_ocr_class_box( : : WidthPattern, HeightPattern, Interpolation, Features, Character : OcrHandle)
运算符 create_ocr_class_box 创建一个新的 OCR 分类器。有关此分类器的描述，请参见运算符 learn_class_box。然后必须在操作符 traind_ocr_class_box 或 trainf_ocr_class_box 的帮助下训练这个分类器。
参数 WidthPattern 和 HeightPattern 表示网络输入层的大小。此尺寸用于特征“projection_horizontal”、“projection_vertical”、“pixel”、“pixel_invar”和“pixel_binary”，以将字符转换为标准尺寸。标准尺寸越大，可以区分的字符越多。因此，训练所需的时间量（以及训练随机样本的数量）和识别所需的时间也会增加。参数 Interpolation 表示与图像中的字符适应网络有关的插值模式。有关此参数的更多详细信息，另请参阅 affine_trans_image。值 0 导致与 affine_trans_image 中的“nearest_neighbor”相同的插值，即不执行插值。对于 1，获得与 affine_trans_image 中的 'constant' 相同的行为，即在相邻像素之间使用等权插值。最后，2 产生与“加权”相同的插值，即使用相邻像素之间的高斯插值。必须选择参数 Interpolation，以便在字符缩放到标准大小时不会出现锯齿。通常，这意味着应该将 Interpolation 设置为 1，除非字符被大量缩小，在这种情况下应该选择 Interpolation = 2。仅当不缩放字符时才应选择插值 = 0。
参数 Character 决定了所有需要识别的字符。通常，传输的字符串由一个字符组成（例如字母表）。但也可以学习任何长度的字符串。可区分字符数（Character 中的字符串数）限制为 2048 个。
参数 Features 有助于选择灰度值以外的其他特征，以识别各类的特别之处。
'default'-- 'ratio' and 'pixel_invar' are selected.
'ratio'-- Ratio of the character.
'width'-- Width of the character (not invariant to scaling).
'height'-- Height of the character (not invariant to scaling).
'zoom_factor'-- Difference in size between the current character and the values of WidthPattern and HeightPattern (not invariant to scaling).
'foreground'-- Relative number of pixels in the foreground.
'foreground_grid_9' -- Relative number of foreground pixels in a 3x3 grid within the surrounding rectangle of the character.
'foreground_grid_16' -- Relative number of foreground pixels in a 4x4 grid within the surrounding rectangle of the character.
'anisometry' -- Form feature anisometry.
'compactness' -- Form feature compactness.
'convexity' -- Form feature convexity.
'moments_region_2nd_invar' -- Normed 2nd geometric moments of the region. See also moments_region_2nd_invar.
'moments_region_2nd_rel_invar' -- Normed 2nd relativ geometric moments of the region. See also moments_region_2nd_rel_invar.
'moments_region_3rd_invar' -- Normed 3rd geometric moments of the region. See also moments_region_3rd_invar.
'moments_central' -- Normed central geometric moments of the region. See also moments_region_central.
'phi' -- Sinus and cosinus of the orientation (angle) of the character.
'num_connect' -- Number of connecting components.
'num_holes' -- Number of holes.
'projection_horizontal' -- Horizontal projection of the gray values.
'projection_horizontal_invar' -- Horizontal projection of the gray values with are automatically scaled to maximum range.
'projection_vertical' -- Vertical projection of the gray values.
'projection_vertical_invar' -- Vertical projection of the gray values with are automatically scaled to maximum range.
'cooc' -- Values of the binary cooccurrence matrix.
'moments_gray_plane' -- Normed gray value moments and the angles of the gray value level.
'num_runs' -- Number of chords in the region normed to the height.
'chord_histo' -- Frequency of the chords per row.
'pixel' -- Gray value of the character.
'pixel_invar' -- Gray values of the character with automatic maximal scaling of the gray values.
'pixel_binary' -- Region of the character as a binary image zoomed to a size of WidthPattern x HeightPattern.
'gradient_8dir' -- Gradients are computed on the character image. The gradient directions are discretized into 8 directions. The amplitude image is decomposed into 8 channels according to these discretized directions. 25 samples on a 5x5 grid are extracted from each channel. These samples are used as features.
序列化多项数据。
fwrite_serialized_item( : : FileHandle, SerializedItemHandle : )
fwrite_serialized_item使用句柄 FileHandle 将序列化项写入输出文件。序列化项由句柄序列化项处理定义。open_file，操作员可以打开该文件。请注意，该文件必须以二进制格式打开。要在一个文件中写入多个项目，必须多次调用运算符fwrite_serialized_item。可以使用fread_serialized_item读取序列化项。
序列化和反序列化的基础知识
为了通过套接字连接将图标对象、数据或模型写入或发送到文件或另一个HALCON进程，首先，必须将图标对象、数据或模型转换为序列化项。为此，有许多操作员可用。E、 例如，运算符serialize\u shape\u model对形状模型执行序列化。在此之后，可以通过fwrite\u serialized\u item将序列化项写入文件，也可以通过send\u serialized\u item通过套接字连接传输到另一个HALCON进程。
要反序列化序列化序列化项，首先从文件中读取序列化项（请参阅fread_serialized_ item），或通过套接字连接从另一个HALCON进程接收序列化项（请参阅receive_serialized_item）。还有一些运算符将序列化项转换为原始格式，即转换为图标对象、数据或模型。这些操作符反序列化图标对象、数据或模型。E、 例如，运算符反序列化形状模型为序列化形状模型反序列化项。
deserialize_ocr( : : SerializedItemHandle : OcrHandle)
反序列化ocr反序列化由serialize\u ocr序列化的ocr分类器（有关序列化的基本原理的介绍，请参阅fwrite\u serialized\u项）。序列化OCR分类器由句柄SerializedItemHandle定义。反序列化的值存储在自动创建的具有句柄OcrHandle的OCR分类器中。
对字符进行分类。
do_ocr_multi(Character, Image : : OcrHandle : Class, Confidence)
运算符do\u ocr\u multi为每个字符（字符）分配一个类。对于灰度值特征，使用区域周围矩形的灰度值。灰度值将取自参数图像。对于每个字符，相应的类将在类中返回，置信值将在置信中返回。置信值表示输入模式和指定字符之间的相似性。
do_ocr_single(Character, Image : : OcrHandle : Classes, Confidences)
运算符do\u ocr\u single为字符指定类。对于灰度值特征，将使用区域周围矩形的灰度值。灰度值将取自参数图像。对于每个角色，置信度最高的两个类将在类中返回。相应的机密将以机密形式返回。置信值表示输入模式和指定字符之间的相似性。
参数：
获取ocr分类器的内部信息。
info_ocr_class_box( : : OcrHandle : WidthPattern, HeightPattern, Interpolation, WidthMaxChar, HeightMaxChar, Features, Characters)
operator info_ocr_class_box返回有关ocr分类器的一些信息。这些参数与create_ocr_class_box的参数等效。参数WidthMaxChar和HeightMaxChar表示最大训练字符的扩展。这些值可用于控制分割。
参数：
ID of the OCR classifier.
Width of the scaled characters.
Height of the scaled characters.
Interpolation mode for scaling the characters.
Width of the largest trained character.
Height of the largest trained character.
Used features.
All characters of the set.
为字符定义新的转换表。
ocr_change_char( : : OcrHandle, Character : )
运算符 ocr_change_char 为字符建立一个新的查找表。因此，Character 的字符串数必须与分类器 OcrHandle 的相同。为了放大字体，操作符 ocr_change_char 可以如下使用： 使用 (create_ocr_class_box) 创建网络时，将显示比实际需要的字符多的字符。到目前为止，最后 n 个字符不会被使用。如果后期需要更多字符，这些未使用的字符将被分配，然后在算子 ocr_change_char 的帮助下进行训练。
访问与字符对应的功能。
ocr_get_features(Character : : OcrHandle : FeatureVector)
运算符 ocr_get_features 计算给定字符的特征。特征的类型和数量由分类器 OcrHandle 确定。 FeatureVector 包含与 traind_ocr_class_box 或 trainf_ocr_class_box 等运算符内部使用的值相同的值。
Serialize an OCR classifier.
序列化ORC
测试ocr的分类能力
testd_ocr_class_box(Character, Image : : OcrHandle, Class : Confidence)
运算符 testd_ocr_class_box 测试字符属于给定类的置信度。可以传递图像的任意数量的区域。对于 Character 中的每个字符（区域），必须指定相应的名称（类）Class。灰度值在 Image 中传递。当操作员完成时，参数 Confidence 提供有关字符属于（任意选择的）类的确定程度的信息。
通过输入区域来训练 OCR 分类器。
traind_ocr_class_box(Character, Image : : OcrHandle, Class : AvgConfidence)
操作符 traind_ocr_class_box 通过输入图像中的区域直接训练分类器。可以传递图像的任意数量的区域。对于 Character 中的每个字符（区域），必须指定相应的名称（类）Class。灰度值在 Image 中传递。当程序完成时，参数 AvgConfidence 提供有关训练成功的信息：它包含通过重新分类测量的训练字符的平均置信度。不匹配字符的置信度设置为0（因此，平均置信度将显着降低）。
借助训练文件训练 OCR 分类器。
trainf_ocr_class_box( : : OcrHandle, TrainingFile : AvgConfidence)
算子 trainf_ocr_class_box 通过指定的训练文件训练分类器 OcrHandle。可以指示任意数量的文件。参数 AvgConfidence 提供有关训练成功的信息：它包含通过重新分类测量的训练字符的平均置信度。不匹配字符的置信度设置为0（因此，平均置信度将显着降低）。请注意，在分类器 OcrHandle 中没有对应类别的训练字符将被丢弃。
参考地址：
https://www.mvtec.com/doc/halcon/13/en/create_ocr_class_box.html
其它分类器
Hyperboxes
K-Nearest Neighbors
Lexica
Neural Nets
Segmentation
Support Vector Machines
Training Files