Halcon图像分类例程解析——classify_metal_parts.hdev[超详细版，已替换本地函数，可直接复制使用]

HALCON重要例程精讲——图像分类

重要性：图像分类在生活与工程上有着特别广泛的应用。而MLP分类器是分类器中最合适的分类器之一，本例程则堪称图像分类的经典模板。读懂并掌握这个例程对于提高HALCON图像分类水平、解决实际分类问题能力有着质的提升。

图像分类的一般流程：

（1）准备样本图片
（2）对样本图片进行处理（如二值化、图像分割等），提取出目标区域
（3）分析目标特征，选取可以用来将不同类别区分开来的几种特征值作为特征向量以训练分类器
（2）创建分类器
（3）训练分类器
（4）检测待测目标对象，分类器根据训练得到的类别的边界条件判断检测对象属于哪个分类
（5）清除分类器，释放内存

总的来说，针对不同的分类任务，需要选择一组合适的特征和合适的分类器，以及合适的训练样本。

笔者对程序中每一个步骤都进行了详细的说明，希望大家可以通过彻底学习这个例程，全面了解图像分类的思想，操作与具体实现步骤。程序及讲解如下：

dev_update_off ()
dev_close_window ()
dev_open_window (0, 0, 640, 480, 'black', WindowHandle)
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
dev_set_colored (6)
dev_set_draw ('margin')
dev_set_line_width (3)
*
*一、创建mlp分类器。
*用于训练和分类的特征向量维度数为6，神经网络中隐藏层为5，共需要对3种类别进行分类，其他参数参考文章2.1 MLP分类器的关键算子
create_class_mlp (6, 5, 3, 'softmax', 'normalization', 3, 42, MLPHandle)
* 
*二、添加样本到分类器
*循环读取每一个图片文件，对每一个图片进行二值