Opencv SVM 的使用方法

最新推荐文章于 2022-02-25 20:54:19 发布

wei2023

最新推荐文章于 2022-02-25 20:54:19 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/qq_31329259/article/details/79092100

版权

Opencv SVM 的使用方法:

#include<opencv2/core/core.hpp>

#include<opencv2/highgui/highgui.hpp>

#include<opencv2/ml/ml.hpp>

usingnamespace cv;

int main()

{

// Data for visual representation

int width = 512, height= 512;

Mat image = Mat::zeros(height,width, CV_8UC3);

// NO.1 将数据储存在MAT矩阵中，建立训练样本

//训练数据

float labels[4] = { 1.0,-1.0, -1.0, -1.0 };

float trainingData[4][2]= { { 501, 10 },{ 255, 10 },{ 501, 255 },{ 10, 501 } };

//函数 CvSVM::train 要求训练数据储存于float类型的 Mat 结构中，因此我们定义了以下矩阵 :Mat labelsMat、 Mat trainingDataMat

Mat labelsMat(3, 1, CV_32FC1, labels);

Mat trainingDataMat(3,2, CV_32FC1, trainingData);

// NO.2 设置SVM参数

CvSVMParams params;

params.svm_type= CvSVM::C_SVC;

params.kernel_type= CvSVM::LINEAR;

params.term_crit= cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

//此教程中，我们以可线性分割的分属两类的训练样本简单讲解了SVM的基本原理。

//然而，SVM的实际应用情形可能复杂得多(比如非线性分割数据问题，SVM核函数的选择问题等等)。

//总而言之，我们需要在训练之前对SVM做一些参数设定。这些参数保存在类 CvSVMParams 中

/*VM类型.这里我们选择了 CvSVM::C_SVC 类型，该类型可以用于n - 类分类问题(n \geq 2)。这个参数定义在 CvSVMParams.svm_type 属性中.Note CvSVM::C_SVC 类型的重要特征是它可以处理非完美分类的问题(及训练数据不可以完全的线性分割)。在本例中这一特征的意义并不大，因为我们的数据是可以线性分割的，我们这里选择它是因为它是最常被使用的SVM类型。

*SVM 核类型. 我们没有讨论核函数，因为对于本例的样本，核函数的讨论没有必要。然而，有必要简单说一下核函数背后的主要思想，核函数的目的是为了将训练样本映射到更有利于可线性分割的样本集。映射的结果是增加了样本向量的维度，这一过程通过核函数完成。此处我们选择的核函数类型是 CvSVM::LINEAR 表示不需要进行映射。该参数由 CvSVMParams.kernel_type 属性定义。

*算法终止条件 .SVM训练的过程就是一个通过迭代方式解决约束条件下的二次优化问题，这里我们指定一个最大迭代次数和容许误差，以允许算法在适当的条件下停止计算。该参数定义在 cvTermCriteria 结构中。*/

// NO.3 训练SVM

CvSVM SVM;

SVM.train(trainingDataMat,labelsMat, Mat(), Mat(), params);

//调用函数 CvSVM::train 来建立SVM模型

// NO.4 SVM区域分割

Vec3b green(0, 255, 0),blue(255, 0, 0);

// Show the decision regions given by the SVM

for (int i = 0; i <image.rows; ++i)

for (int j = 0; j <image.cols; ++j)

{

Mat sampleMat = (Mat_<float>(1, 2) << i, j);