我最近在学习halcon的时候看到有奇怪的代码程序。
字符代码
*dev_get_window(windowhandle ) create_class_MLP ) 3、7、2、' softmax '、' normalization '、3、42、 MLPHandle ) dev_set_color(red ) ) image acquisition 0: codegeneratedbyimageacquisition 03 * list _ files ) d dongfangangygyger image files ] * tuple _ regexp _ select (image files， (TIF|tiff|gif|BMP|JPEG|jp2|png|pcx|pm|pbm ) image files (* forindex :=0to|- 1by1 * read _ image ) image，ImageFiles[Index] ) dev_display ) image column2(* gen _ rectangle 1，Row1，Column1，Row2，column2) * dev _ display (imag lay ) )。 Column11、Row21、column21 (* gen _ rectangle1(rectangle 2、Row11、Column11、Row21、column 21 ) *concat_obj ) ) rect Classes，MLPHandle ) endfor*train_class_MLP ) MLPHandle error log (* write _ class _ MLP ) MLP handle，' mlp3.gmc 在现实的项目APP中非常好用，可以解决很多图像相似但不同的问题。
train_class_MLP(MLPhandle，400，0.5，0.01，Error，ErrorLog ) /分类器训练运算符分类器代码由以下部分组成
list _ files (d :/shijue/fangshuidai/dongfangyuhonhg2/reg )、['files '、' follow_links']、image files .
//所需区域dev_display(image ) draw_rectangle1) windowhandle，Row1，Column1，Row2， Column2)绘制gen_rectangle1) Column2)//绘制您的区域所需的区域*dev_display(image ) draw _ rectangle1(window hang )
//合并两个绘制的区域*concat_obj(rectangle1，Rectangle2，Classes )//合并后的存储*add_samples_image_class_MLP )
train_class_MLP(MLPhandle，400，0.5，0.01，Error，ErrorLog )写入并读取识别器
write_class_MLP(MLPHandle，' mlp4.gmc ' ) read _ class _ MLP (.GMC '，MLPhandle )此主题介绍了如何选择绘图区域
对于第一个区域的选择，直接选择整个图像
绘制所需的区域。 在这样的项目图像中，需要定义包装袋的形状中心，但是包装袋的四个角识别会有很大的误差，所以选择需要的区域可以舍弃影响的范围。
然后，进入下一步
train_class_MLP(MLPhandle，400，0.5，0.01，Error，ErrorLog ) )分类器开始自动运算。
Halcon的识别器运算是选择CPU进行运算，运算量非常大，运算时间非常长，所以通常多只选择3~4张图像进行运算。
up自己的电脑是影子向导5，i7-9750h，因为7张图像的运算需要4万1千多秒约11个小时，所以通常的分类是根据情况来具体分析。 在视觉项目中，使用Halcon处理图像分类器实际上很常用。 使用OpenCV处理图像时，经常会乘坐图像标定和深度学习。 从难度上来说，Halcon明显比OpenCV简单，但OpenCV更强大。