《halcon算子速查手册》由会员分享，可在线阅读，更多相关《halcon算子速查手册（81页珍藏版）》请在金锄头文库上搜索。
1、Chapter 1 :Classification.4 1.1 Gaussian-Mixture-Models.4 1.2 Hyperboxes.4 1.3 Neural-Nets.5 1.4 Support-Vector-Machines .6 Chapter 2 Control.7 Chapter 3 :Develop8 Chapter 4 :File.10 4.1 Images.10 4.2 Misc.10 4.3 Region.10 4.4 Text10 4.5 Tuple .11 Chapter 5:Filter.12 5.1 Arithmetic .12 5.2 Bit12 5.3
2、 Color .13 5.4 Edges.13 5.5 Enhancement.14 5.6 FFT15 5.7 Geometric-Transformations16 5.8 Inpainting17 5.9 Lines17 5.10 Match 18 5.11 Misc.18 5.12 Noise.18 5.13 Optical-Flow.19 5.14 Points.19 5.15 Smoothing.19 5.16 Texture 20 5.17 Wiener-Filter.20 Chapter 6 :Graphics .21 6.1 Drawing.21 6.2 Gnuplot .2
3、2 6.3 LUT.22 6.4 Mouse23 6.5 Output .23 6.6 Parameters.24 6.7 Text26 6.8 Window.27 Chapter 7 :Image.28 7.1 Access .28 7.2 Acquisition28 7.3 Channel.29 7.4 Creation.30 7.5 Domain31 7.6 Features.31 7.7 Format.32 7.8 Manipulation.33 7.9 Type-Conversion.33 Chapter 8 :Lines33 8.1 Access .33 8.2 Features.
4、34 Chapter 9 :Matching34 9.1 Component-Based.34 9.2 Correlation-Based .35 9.3 Gray-Value-Based.36 9.4 Shape-Based36 Chapter 10 :Matching-3D.37 Chapter 11 :Morphology.38 11.1 Gray-Values.38 11.2 Region.39 Chapter 12:OCR（光字符识别）42 12.1 Hyperboxes.42 12.2 Lexica42 12.3 Neural-Nets（神经网络）.43 12.4 Support-
5、Vector-Machines （支持矢量机）44 12.5 Tools44 12.6 Training-Files45 Chapter 13:Object.45 13.1 Information45 13.2 Manipulation.45 Chapter 14:Regions.46 14.1 Access .46 14.2 Creation.46 14.3 Features.47 14.4 Geometric-Transformations49 14.5 Sets50 14.6 Tests 50 14.7 Transformation50 Chapter 15:Segmentation51
6、 15.1 Classifi cation.51 15.2 Edges.52 15.3 Regiongrowing52 15.4 Threshold 53 15.5 Topography .53 Chapter 16:System54 16.1 Database54 16.2 Error-Handling54 16.3 Information55 16.4 Operating-System55 16.5 Parallelization56 16.6 Parameters.56 16.7 Serial.56 16.8 Sockets56 Chapter 17:Tools.57 17.1 2D-T
7、ransformations57 17.2 3D-Transformations59 17.3 Background-Estimator60 17.4 Barcode.60 17.5 Calibration.61 17.6 Datacode .62 17.7 Fourier-Descriptor.63 17.8 Function 63 17.9 Geometry.64 17.10 Grid-Rectifi cation65 17.11 Hough66 17.12 Image-Comparison66 17.13 Kalman-Filter67 17.14 Measure.67 17.15 OC
8、V（Open Circuit Voltage | 光学字符校验）.68 17.16 Shape-from68 17.17 Stereo 69 17.18 Tools-Legacy.70 Chapter 18:Tuple.71 18.1 Arithmetic .71 18.2 Bit-Operations.72 18.3 Comparison.73 18.4 Conversion73 18.5 Creation.74 18.6 Element-Order.74 18.7 Features.74 18.8 Logical-Operations74 18.9 Selection75 18.10 St
9、ring-Operators75 Chapter 19:XLD76 19.1 Access .76 19.2 Creation.76 19.3 Features.77 19.4 Geometric-Transformations79 19.5 Sets79 19.6 Transformation80 Chapter 1 :Classification 1.1 Gaussian-Mixture-Models 1.add_sample_class_gmm 功能：把一个训练样本添加到一个高斯混合模型的训练数据上。 2.classify_class_gmm 功能：通过一个高斯混合模型来计算一个特征向量
10、的类。 3. clear_all_class_gmm 功能：清除所有高斯混合模型。 4. clear_class_gmm 功能：清除一个高斯混合模型。 5. clear_samples_class_gmm 功能：清除一个高斯混合模型的训练数据。 6. create_class_gmm 功能：为分类创建一个高斯混合模型。 7.evaluate_class_gmm 功能：通过一个高斯混合模型评价一个特征向量。 8. get_params_class_gmm 功能：返回一个高斯混合模型的参数。 9. get_prep_info_class_gmm 功能：计算一个高斯混合模型的预处理特征向量的信息内容
11、。 10. get_sample_class_gmm 功能：从一个高斯混合模型的训练数据返回训练样本。 11. get_sample_num_class_gmm 功能：返回存储在一个高斯混合模型的训练数据中的训练样本的数量。 12. read_class_gmm 功能：从一个文件中读取一个高斯混合模型。 13. read_samples_class_gmm 功能：从一个文件中读取一个高斯混合模型的训练数据。 14. train_class_gmm 功能：训练一个高斯混合模型。 15. write_class_gmm 功能：向文件中写入一个高斯混合模型。 16. write_samples_cl
12、ass_gmm 功能：向文件中写入一个高斯混合模型的训练数据。 1.2 Hyperboxes 1. clear_sampset 功能：释放一个数据集的内存。 2. close_all_class_box 功能：清除所有分类器。 3. close_class_box 功能：清除分类器。 4. create_class_box 功能：创建一个新的分类器。 5. descript_class_box 功能：分类器的描述。 6. enquire_class_box 功能：为一组属性分类。 7. enquire_reject_class_box 功能：为一组带抑制类的属性分类。 8. get_class
13、_box_param 功能：获取关于现在参数的信息。 9. learn_class_box 功能：训练分类器。 10. learn_sampset_box 功能：用数据组训练分类器。 11. read_class_box 功能：从一个文件中读取分类器。 12.read_sampset 功能：从一个文件中读取一个训练数据组。 13. set_class_box_param 功能：为分类器设计系统参数。 14. test_sampset_box 功能：为一组数组分类。 15. write_class_box 功能：在一个文件中保存分类器。 1.3 Neural-Nets 1. add_sample
14、_class_mlp 功能：把一个训练样本添加到一个多层感知器的训练数据中。 2. classify_class_mlp 功能：通过一个多层感知器计算一个特征向量的类。 3. clear_all_class_mlp 功能：清除所有多层感知器。 4. clear_class_mlp 功能：清除一个多层感知器。 5. clear_samples_class_mlp 功能：清除一个多层感知器的训练数据。 6. create_class_mlp 功能：为分类或者回归创建一个多层感知器。 7. evaluate_class_mlp 功能：通过一个多层感知器计算一个特征向量的评估。 8. get_para
15、ms_class_mlp 功能：返回一个多层感知器的参数。 9. get_prep_info_class_mlp 功能：计算一个多层感知器的预处理特征向量的信息内容。 10. get_sample_class_mlp 功能：从一个多层感知器的训练数据返回一个训练样本。 11. get_sample_num_class_mlp 功能：返回存储在一个多层感知器的训练数据中的训练样本的数量。 12. read_class_mlp 功能：从一个文件中读取一个多层感知器。 13. read_samples_class_mlp 功能：从一个文件中读取一个多层感知器的训练数据。 14. train_clas
16、s_mlp、 功能：训练一个多层感知器。 15. write_class_mlp 功能：向一个文件中写入一个多层感知器。 16. write_samples_class_mlp 功能：向一个文件中写入一个多层感知器的训练数据。 1.4 Support-Vector-Machines 1. add_sample_class_svm 功能：把一个训练样本添加到一个支持向量机的训练数据上。 2. classify_class_svm 功能：通过一个支持向量机为一个特征向量分类。 3. clear_all_class_svm 功能：清除所有支持向量机。 4. clear_class_svm 功能：清除一个支持向量机。 5. clear_samples_class_svm 功能：清除一个支持向量机的训练数据。 6. create_class_svm 功能：为模式分类创建一个支持向量机。 7. get_params_class_svm 功能：返回一个支持向量机的参数。 8. get_prep_info_class_svm 功能：计算一个支持向量机的预处理特征向量的信息内容。 9. get_samp
