halcon 单通道图像转成3通道_HALCON高级篇：分类器理论背景

分类：理论背景

一般分类

通常，一个分类器被用来分配一个物体到几个可行类中的一个。例如，你有一个包含柑橘水果的灰度值图像，你已经从图像中国提取了区域，且每个区域代表一种水果。现在，你想从柠檬中分离橘子。为了区分水果，你可以应用一个分类。然后，被提取的水果区域是你的对象，分类的任务就是去决定每个区域是属于类别橘子还是属于柠檬。

为了决定那一个区域属于那一类，你需要有关类与类之间差异和每一个单独类之间相似的知识。这个知识可以通过分析被分类对象典型特征而获得。假设柑橘水果的例子，合适的特征可以是面积(在大多数情况下，橘子是比柠檬大的)和形状，尤其是区域的圆度(橘子的外轮廓比柠檬更接近一个圆)。下图展示了一些橘子和柠檬，它们的区域被提取，且区域的特征面积和圆度被计算。

特征被放在了一个数组中，被称为特征向量。特征向量的特征张成了一个所谓的特征空间，例如，每一个特征被用一个坐标轴描述的向量空间。一般，一个

橘子和柠檬的区域特征可以被提取并被作为样本添加到分类器中

特征空间有任意维，依靠包含在特征向量中的特征的数量。为了可视化的目的，这里一个2D特征空间被展示。在实际中，更高维的特征空间是非常常见的。

水果的特征向量用一个2D图表可视