上期我們重點講到給條碼識別模型根據自己的應用場景新增合適的引數可以提升識別速度，然而有些應用需要在條件較為嚴苛的場景下使用，比如說光線不均勻、過亮或者過暗的場景下（這些也是影象識別較為主要的影響因素），那麼本期我們就講解一下如何針對性處理影象，以便有助於提升條碼識別效率。
相關halcon運算元：
//建立輸入影象區域內灰度值絕對值的直方圖，即獲取到最小灰度值和最大灰度值
HOperatorSet.MinMaxGray(regions, ho_Image, 1, out min, out max, out range);
//用於縮放影象灰度值
//mult=255/（max-min）
//added=-min*mult
HOperatorSet.ScaleImage(ho_Image, out ho_ScaleImage, mult, added);
//增強影象對比度
//ho_ScaleImage：輸入影象
//ho_EmpImage：輸出增強對比度之後的影象
//maskWidth：蒙版寬度
//maskHeight：蒙版高度
//factor：差異強烈因子
HOperatorSet.Emphasize(ho_ScaleImage, out ho_EmpImage, maskWidth, maskHeight, factor);
至此，得到增強對比度之後的影象之後，就可以進行條碼識別操作，也就是前面兩期講到的內容。識別率真的是槓槓的（小編已透過生產環境長時間應用），無需補光和其他輔助操作哦！
好了兄弟們，本期就分享到這裡，往期相關講解關注即可領取，我們下期繼續！
