基于halcon的IC卡检测讲解

基于 HALCON 的神经网络训练，首先要生成一个训练文件，文件内容包含字符样本图像和对应的目标输出结果。HALCON在接下来网络训练的过程中，会自动提取这些字符的一些特征向量，例如字符的笔划宽度、笔划方向、噪声程度、灰度值等，映射到某一个输出结果，并根据目标向量与输出结果的误差反向调节字符识别网络的权值，训练得到最理想的网络，使之适用。HALCON 训练文件生成过程中， 需要用到大量的字符样本， 这些从多张张字符图片中获得， 图片中包含了数字和大小写字母，不同的图片中字符的特征稍微不同。 通过HALCON实现输入图片中字符的分割，从而获得字符样本，再利用函数生成训练文件。得到训练文件后，就可以对字符进行训练，调用函数输入参数包含训练文件和训练停止条件，最终训练生成“.omc”类型的神经网络文件，即字符分类器文件。然后就可以调用函数进行字符识别了。整个过程可以如下图所示：

关键的halcon语句： 创建神经网络分类器

create_ocr_class_mlp(8, 10, 'constant', 'default', CharacterNames, 80, 'none', 10, 42, OCRHandle)

训练神经网络

trainf_ocr_class_mlp(OCRHandle, TrainFile, 200, 1, 0.01, Error, ErrorLog) 根据训练文件进行识别：

do_ocr_multi_class_mlp(TestWordsSortedRegions, TemplateImage2, OCRHandle1, Class, Confidence)

（三）条形码识别模块

1.条形码介绍

条码(barcode)是由一组按一定编码规则排列的条空符号，用以表示一定的字符,数字及符号组成的信息。条码系统是由条码符号设计,制作及扫描阅读组成的自动识别系统。条码卡分为一维码

和二维码两种。一维码比较常用，如日常商品外包装上的条码就是一维码。它的信息存储量小，仅能存储一个代号，使用时通过这个代号调取计算机网络中的数据。

2.图像识别条形码的原理

首先对条形码图像进行图像预处理,用中心检测，相似边测量方法来判别条空,再通过译码，校验，纠错处理来识读，这样就可以大大排除以上各种因素的干扰,提高条码的识读率。

3.在halcon中识别条形码的步骤

创建模板

create_bar_code_model ([], [], BarCodeHandle) 使用模板，DecodedDataStrings保存识别到的结果

find_bar_code (GrayImage, SymbolRegions, \\ BarCodeHandle, 'auto', \\DecodedDataStrings)

五．系统实现过程及结果

1.系统运行界面

界面由4个按钮和一个文本框还有一个halcon窗口控件组成，其中“模板选择”用来选择一张在Halcon中提前训练好的模板。“选择图像”按钮可以选择一张图像，借此来模拟采集部分。用来测试有3张不同的图片（位置不同，模拟高速采集中图像的变化）识别结果从文本框输出

2.系统运行时，后台先对训练模板进行分别对字符和条形码进行模板匹配，采集一张图片后分别进行识别结果如下： 测试图一：