1、在分割完輪廓線或者其他一些線條後，我們需要進行一些篩選來獲得我們想要的曲線，我們可以通過以下的算子來進行
(1).select_contours_xld( ) 可以通過該算子設定篩選標準，比如根據線的長度contour_length或者曲率curvature來直接進行選擇 。
(2).get_contour_global_attrib_xld( ) 通過該算子獲得曲線的全局參數，例如曲率等，然後根據參數判斷選擇合適的曲線，如果想選擇圓弧的話，可以將參數設置爲‘cont_approx'，然後用for循環進行遍歷分割的每個曲線，不同形狀的曲線該參數值不同，直線爲-1，橢圓爲0，圓爲1 。
2、區域剪切與輪廓剪切
(1).clip_region_rel( ) 通過該算子可以對區域上下左右四邊進行切割，比如都設置爲5，那麼每邊上都去除5個像素，然後剩下的就是切割出來的區域了
(2).clip_contours_xld( ) 通過該算子設定的區域即row1-row2 , column1-column2 ，然後將區域內的輪廓剪切下來。
3、obj的循環判斷
一個簡單的例子就明白了
count_obj(obj,num)
get_empty_obj(final_obj)
for i:=1 to num by 1
select_obj(obj,selectedobj,i)
......相關處理
if(某個條件)
concat_obj(final_obj,selectedobj,final_obj)
endif
endfor
通過以上處理，就可以將滿足一定條件的obj選出來，放到final_obj裏面了。
4、MLP光學字符識別
(1)單字符識別用do_ocr_single_class_mlp( )
主要步驟如下：
a).圖像分割，將字符區域從背景中分離出來，每個字符一個區域。
b).讀取ocr的mlp分類器read_ocr_class_mlp(FontName , OCRHandle) ，FontName是已經存在的分類器名稱，可以是'Industrial_0-9'或者'Industrial_0-9A-Z'也可以是自己訓練好的分類器。
c).for循環讀取每個字符區域，通過do_ocr_single_class_mlp( )進行每個字符識別，結果保存在Class裏面，Confidence是可信度。可以用來做評估。
d).清除分類器clear_ocr_class_mlp(OCRHandle)
(2)多字符識別用do_ocr_multi_class_mlp( )
多字符識別的步驟和單字符識別步驟基本一樣，不同的是具體識別算子分別用各自的，多字符識別的時候，將分割好的字符區域排好序後，直接將該區域集合作爲輸入，得到的識別結果全部保存在結果數組裏面，無需for循環一個一個輸入字符區域。
(3)區別與說明
一般情況下都會用多字符識別，因爲它的速度要比運用for循環進行單字符識別的速度快。但是多字符識別只能給出每個字符的最可能識別結果，而單字符識別可以給出前n個可能的識別結果，每個結果都有一個可信度，按降序排列。即，如果需要用到前幾個可能的結果時，那麼就得用單字符識別了，否則都用多字符識別。對於分類器的訓練，如果僅用到0-9和A-Z的字符識別的話，halcon以及提供訓練好的分類器了，當然也可以自己訓練分類器，然後保存訓練好的分類器，下次用時直接讀取就Ok了。例子可以參考halcon例程bottle.hdev、bottlet.hdev、engraved.hdev、engravedt.hdev。