Labview 调用Halcon的深度学习实现猫狗分类（第二章Labview重构Halcon代码推理）

1. 接第一章，一切准备完后根据Halcon的算子来实现Labview代码重构。如下图Halcon所用到的算子，显示类的算子跳过就行，其实Halcon以及Python的语法我感觉和Labview都差不多，都是函数后面带参数输入输出啥的，一个是拉线一个是名称，你仔细研究你会发现也就那么回事。

2. 我们现在来看看都用到了那些Halcon算子，

我们将这些Halcon算子全部用Labview的 .net工具全部重构就行了。

读取创建的模型文件。
read_dl_model (RetrainedModelFileName, DLModelHandle)

设置批次大小。
set_dl_model_param (DLModelHandle, 'batch_size', 32)

读取设备硬件信息，主要判断是否有显卡，用第几张显卡进行推理。
query_available_dl_devices (['runtime', 'runtime'], ['gpu', 'cpu'], DLDeviceHandles)
get_dl_device_param (DLDeviceHandles, 'type', [cpu_gpu])
DLDevice := DLDeviceHandles[0]

初始化模型以进行推理。
set_dl_model_param (DLModelHandle, 'device', DLDevice)

设置CPU设备以进行推理。
set_dl_model_param (DLModelHandle, 'runtime', cpu_gpu[0])

获取用于预处理的参数。
read_dict (PreprocessParamFileName, [], [], DLPreprocessParam)

查询模型设置参数，包含图像尺寸，图像灰度。
get_dict_tuple (DLPreprocessParam, 'image_width', TupleW)
get_dict_tuple (DLPreprocessParam, 'image_height', TupleH)
get_dict_tuple (DLPreprocessParam, 'image_range_max', image_max)
get_dict_tuple (DLPreprocessParam, 'image_range_min', image_min)

读取批次的图像。
read_image (ImageBatch, Batch)

将图片缩放到网络model需求的大小

zoom_image_size (ImageBatch, ImageBatch, TupleW, TupleH, 'constant')   
     
将图像转换为32位图像
convert_image_type (ImageBatch, ImageBatch, 'real')
    
灰度值增强    
scale_image (ImageBatch, ImageBatch, image_max, image_min) 
    
创建一个新的空字典
create_dict (DLSampleBatch)
    
向字典中添加图像，将ImageBatch添加到字典DLSampleBatch中去
set_dict_object (ImageBatch, DLSampleBatch, 'image')   
   
如果图片不是三通道图，就需要将图像合成三通道图

count_channels (ImageBatch, Channel)

 if (Channel != 3)
        compose3(ImageBatch, ImageBatch, ImageBatch, ImageBatch)
endif
    
加载模型和图像开始推理
apply_dl_model (DLModelHandle, DLSampleBatch, [], DLResultBatch)

3. 根据上面结果我们可以看到基本用到了Halcon的17个算子，我们打开Labview，在程序页面点击右键选择.net链接工具，选择Constructor Node工具先加载Halcon的DLL。

DLL存放在安装目录如下路径C:\Program Files\MVTec\HALCON-23.11-Progress\bin\dotnet35

可以将这个DLL以及注册文件一起拷贝到你需要的目标，我这里放在程序目录里面。

4. 如下图点击Browse加载halcondotnet.dll。

5. 例如我们要加载下面这个算子，

*读取创建的模型文件。
read_dl_model (RetrainedModelFileName, DLModelHandle)

先打开Halcon程序，找到这个算子点右键选择帮助，

6. 然后在帮助页面你会看到这个算子的用法，因为我们是用.net接口，所以这里选择.net介绍。

7. 我们会发现这个read_dl_model在 .net格式里面是这样书写的，ReadDlModel，另外这个函数在HOperatorSet目录里面，所以我们接口书写如下。

8. 创建read_dl_model函数，先链接后点击Browse...选择搜索函数，输入你要创建的函数，这样我们就能创建Halcon的所有函数了。

9. 根据上面办法加载所以需要用到的Halcon算子，然后根据数据流向顺序链接好输入输出端口就可以了。

10. 加载模型及配置参数部分，这里大概拉了一下，配置还不完全先运行起来测试一下。

11. 图像处理部分。

12. 推理测试部分。

13. 搭建简易框架开始测试。

14. 测试效果如下，推理效果良好，因为没有图片转换方面的操作，所以基本和Halcon推理速度完全一样，客户端无需安装Halcon，直接运行DLL就行了！

希望各位一起完善，有不对的地方也请大家一起指正，希望Labview用户强大起来，也希望各位Labview工程师能够找到更好的工作，不要一听到深度学习就不敢接，其实Labview框架搭建好了并不比C#差。

需要讨论的评论区发表意见！！！