这里的类和算子是针对.NET环境的。类和算子是从Halcon 17.12版本开始,名称中未包含数字版本说明的,表示17.12版本中已经包含。名称中有数字说明的,则表示是从数字版本后才增加的。目前已经更新到Halcon 24.11版本。而17.12之前版本中是否包含当前的类和算子,则未做验证。但是从更新历史来看,大部分的类和算子都是包含的,更新版本后,也只是增加一两个新类、几个十来个算子,多数版本可能并未增加新类。增加一个新类相当于增加一个新的功能模块,并不是每个版本都有新功能模块推出的,很多版本只在现有类中增加了几个算子。图像处理发展这么多年,中间增加的功能都比较少,Halcon在引入深度学习后,才多增加了几个类,如深度学习、深度OCR、深度Counting、深度Matching3D等。
《LabVIEW HALCON图像处理入门教程(24.09)》含深度学习,LabVIEW使用NI Vision+Halcon混合编程机器视觉与图像处理入门学习资料
http://visionbbs.com/thread-28124-1-1.html
Index of all Classes and Methods所有类和方法索引
Represents an instance of a k-NearestNeighbor classifier.
表示k-NearestNeighbor(K-最近邻)分类器的实例。
Add training data to a k-nearest neighbors (k-NN) classifier.
将训练数据添加到k-最近邻(k-NN)分类器中。
Add a sample to a k-nearest neighbors (k-NN) classifier.
将样本添加到k-最近邻(k-NN)分类器中。
Add training samples from an image to the training data of a k-Nearest-Neighbor classifier.
将图像中的训练样本添加到k-最近邻(K-NN)分类器的训练数据中。
Search for the next neighbors for a given feature vector.
搜索给定特征向量的下一个邻居。
Classify an image with a k-Nearest-Neighbor classifier.
使用k-最近邻分类器对图像进行分类。
Clear a k-NN classifier.
清除k-最近邻(K-NN)分类器。
Create a k-nearest neighbors (k-NN) classifier.
创建一个k-最近邻(k-NN)分类器。
Create a look-up table using a k-nearest neighbors classifier (k-NN) to classify byte images.
使用k-最近邻分类器(k-NN)创建查找表来对字节图像进行分类。
Deserialize a serialized k-NN classifier.
反序列化一个序列化的k-NN分类器。
Get the training data of a k-nearest neighbors (k-NN) classifier.
获取k-最近邻(k-NN)分类器的训练数据。
Get parameters of a k-NN classification.
获取k-NN分类的参数。
Return a training sample from the training data of a k-nearest neighbors (k-NN) classifier.
从k近邻(k-NN)分类器的训练数据中返回训练样本。
Return the number of training samples stored in the training data of a k-nearest neighbors (k-NN) classifier.
返回k-最近邻(k-NN)分类器的训练数据中存储的训练样本数。
Read the k-NN classifier from a file.
从文件中读取K-最近邻k-NN分类器。
Selects an optimal subset from a set of features to solve a certain classification problem.
从一组特征中选择一个最佳子集来解决某个分类问题。
Serialize a k-NN classifier.
序列化K-最近邻(k-NN)分类器。
Set parameters for k-NN classification.
设置K-最近邻(k-NN)分类的参数。
Creates the search trees for a k-NN classifier.
为K-最近邻(k-NN)分类器创建搜索树。
Save the k-NN classifier in a file.
将K-最近邻(k-NN)分类器保存在文件中。