スケーリング係数を使用すると、IntelliText OCRが特定のOCR文字で処理するピクセル数を増減できます。このパラメータは、計測領域（ROI）のサンプリング間隔を変更するために使用されます。
IntelliText OCRは、高さが25〜50ピクセルの範囲の文字を検出するために最適化されています。最適な文字幅は30ピクセルです。アプリケーションで高解像度、特に高解像度のドット印刷でテキストを読み取る必要がある場合、このパラメータは文字スケールを縮小することで文字検出を改善できます。
サンプリングを減らすと情報がいくらか失われるため、必要に応じて光学設定を構成する必要があります。より大きなROIと比較的少ない文字数を使用する場合、スケーリングにより速度が向上します。
コードが非常に大きいか非常に小さい場合、スケーリング係数を調整して文字の高さを30に等しくします。これはアルゴリズムに最適な高さです。たとえば、文字の高さが60ピクセルの場合。スケーリング係数を0.5に設定します。
この例の大きなドットマークはコントラストに優れており、二値化を使用した最適化は必要ありませんが、セグメンテーションの問題があります。この特定のマークは 130 ピクセルの高さであり、テキストのセグメンテーションによって文字全体が正しく識別されません。スケーリングファクターを0.5に減らすと、文字の高さが65ピクセルに減り、適切なセグメンテーションが可能になります。ただし、最適なパフォーマンスを得るには、このようなシンボルを低解像度でキャプチャする必要があることに注意してください。
次の大きなマークは、画像のノイズとROI全体にわたる動的な変化を示しています。自動二値化の選択はうまく機能しますが、マークの左側のS/N比が低いとCのセグメンテーションが失敗することがあります。これは、二値化を修正することで最適化できます。
このマークは約80ピクセルの高さであるため、最適なテキストセグメンテーションには大きめです。マークが非常に大きいため、アルゴリズムは異なる行の文字でCからセグメントを検出しました。
セグメンテーションの問題は、スケーリングを変更することで解決されます。この低コントラストマークは、自動に設定された二値化で画像から画像への変換の際に不安定になる場合があり、固定テンプレート設定の恩恵を受ける可能性があります。
次の例では、ドットマークに近い文字と部分的に接触する文字があります。マークは適切な解像度ですが、近い文字がセグメンテーションの問題を引き起こしています。文字のしきい値を変更してそれらを分離することができますが、これは特にJUNセグメントでは困難な場合があります。スケーリングを2.0に設定し、画像を露出過度にすると、二値化が適切に行われ、その後適切に一貫してセグメント化されるように分離されます。
