python开发halcon视觉_Halcon视觉检测——使用分类器分类

分类器简介

机器学习在Helcon中的一个重要应用就是用于图像分类任务。Halcon中常用的分类器有GMM(高斯混合模型)、Neural Nets(神经网络)、SVM(支持向量机)等。一般应付常见的分类问题，这些就足够了。

使用方法

一般使用过程：创建分类器(create_class_…)

获取各个类别的特征向量

将各个类别训练样本的特征向量添加到分类器中(add_sample_class_…)

训练(train_class_…)

获取待分类图像的特征向量

通过分类器计算特征向量的类(classify_class_…)

清除分类器(clear_class_…)

当然，若希望在训练结束后保存训练模型，然后每次使用时通过读取训练模型来实现分类的话，则需要添加模型的保存(write_class_…)与读取(read_class_)。

应用示例

分类对象0为：

以MLP分类器为例：图像和代码read_image(Image1, 'Big/大帽正常2017-2-16_16_5_520.bmp')

Classes := ['Big','Small']

*获取特征向量

gen_features (Image1, FeatureVector0)

*创建一个多层感知器

create_class_mlp (|FeatureVector0|,