上期我们重点讲到给条码识别模型根据自己的应用场景添加合适的参数可以提升识别速度,然而有些应用需要在条件较为严苛的场景下使用,比如说光线不均匀、过亮或者过暗的场景下(这些也是图像识别较为主要的影响因素),那么本期我们就讲解一下如何针对性处理图像,以便有助于提升条码识别效率。 相关halcon算子: 创建输入图像区域内灰度值绝对值的直方图,即获取到最小灰度值和最大灰度值 HOperatorSet。MinMaxGray(regions,hoImage,1,outmin,outmax,outrange); 用于缩放图像灰度值 mult255(maxmin) addedminmult HOperatorSet。ScaleImage(hoImage,outhoScaleImage,mult,added); 增强图像对比度 hoScaleImage:输入图像 hoEmpImage:输出增强对比度之后的图像 maskWidth:蒙版宽度 maskHeight:蒙版高度 factor:差异强烈因子 HOperatorSet。Emphasize(hoScaleImage,outhoEmpImage,maskWidth,maskHeight,factor); 至此,得到增强对比度之后的图像之后,就可以进行条码识别操作,也就是前面两期讲到的内容。识别率真的是杠杠的(小编已通过生产环境长时间应用),无需补光和其他辅助操作哦! 好了兄弟们,本期就分享到这里,往期相关讲解关注即可领取,我们下期继续! 程序员那些事机器视觉机器学习、计算机视觉、自然语言处理、数据挖掘、脑启发的人工智能、人工智能交叉应用