icvInitCARTHaarClassifier

           在介绍icvInitCARTHaarClassifier以前有必要先介绍一下它括号里面的三个参数,CvCARTHaarClassifier,CvCARTClassifier和CvIntHaarFeatures。详情请参考我的另外两篇博文。CvIntHaarFeaturesCvCARTClassifier和CvCARTHaarClassifier

CvCARTHaarClassifier,CvCARTClassifier和CvIntHaarFeatures

    typedef struct CvCARTClassifier  
    {  
       CV_CLASSIFIER_FIELDS()  
        int  count;                     //分类回归树节点的个数  
       /* internal nodes (each array of <count>elements) */  
        int*compidx;                    //这个弱分类器对应的特征编号。即这个弱分类器是第compidx特征产生的  
        float*threshold;                //阈值  
        int*left;                       // 非叶子节点的左子节点序号(叶子节点为负数,非叶子节点为正数)  
        int*right;                      // 非叶子节点的右子节点序号(叶子节点为负数,非叶子节点为正数)  
        /* leaves (array of<count>+1 elements) */  
        float*val;                      //输出,当特征值xi输入是在threshold[0]的左边,则输出val[0],否则输出val[1];  
    }CvCARTClassifier; 

<pre name="code" class="cpp">    typedef struct CvCARTHaarClassifier  
    {  
        CV_INT_HAAR_CLASSIFIER_FIELDS()  
       int count;                    //包含弱分类器的个数  
       int* compidx;                 //这个弱分类器对应的特征编号。即这个弱分类器是第compidx特征产生的  
       CvTHaarFeature* feature;      //弱分类器对应的特征的特征坐标  
      CvFastHaarFeature* fastfeature;//弱分类器对应的特征的特征坐标  
       float* threshold;             //该弱分类器的阈值  
       int* left;                    //同上  
       int* right;  
       float* val;  
    } CvCARTHaarClassifier;  
<pre name="code" class="cpp">    typedef struct CvIntHaarFeatures  
    {  
       CvSize winsize;           //采特征的窗口的大小,即样本图像的大小。  
       int count;                //总特征的个数。  
       CvTHaarFeature* feature;  //指向所有的Haar特征。  
       CvFastHaarFeature* fastfeature;  
    } CvIntHaarFeatures;  

 
 


2  icvInitCARTHaarClassifier

有了上面对三个结构体的介绍,就容易看懂icvInitCARTHaarClassifier参数传递的含义了。

/*
 *icvInitCARTHaarClassifier
 *初始化分类回归树haar分类器函数
 *作用:把括号里的参数进行传递,也就是把后两个参数都传递给第一个参数
 *具体来说就是,首先把intHaarFeatures 的特征按照cart中compidx[i]的顺序传递给carthaar(包括haar特征和快速haar特征);
 *然后,再把cart中的参数传递给carthaar。
 */

void icvInitCARTHaarClassifier( CvCARTHaarClassifier* carthaar,
                                CvCARTClassifier* cart,
                                CvIntHaarFeatures* intHaarFeatures )
{
    int i;

    for( i = 0; i < cart->count; i++ )                //对于一棵树(carthaar)的cart->count个节点进行初始化
    {
        carthaar->feature[i] = intHaarFeatures->feature[cart->compidx[i]];          //初始化carthaar的feature,即把intHaarFeatures的特征传递给carthaar
        carthaar->fastfeature[i] = intHaarFeatures->fastfeature[cart->compidx[i]];  //初始化carthaar的fastfeature,即把intHaarFeatures的快速特征传递给carthaar
        carthaar->threshold[i] = cart->threshold[i];   //初始化阈值,即把cart的阈值传递给carthaar
        carthaar->left[i] = cart->left[i];             //初始化carthaar的左分支节点
        carthaar->right[i] = cart->right[i];           //初始化carthaar的右分支节点
        carthaar->val[i] = cart->val[i];               //初始化carthaar的输出值
        carthaar->compidx[i] = cart->compidx[i];
    }
    carthaar->count = cart->count;
    carthaar->val[cart->count] = cart->val[cart->count];
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值