opencv机器学习之SVM

1.SVM原理

2.使用SVM 进行手写数据OCR

• 在kNN 中我们直接使用像素的灰度值作为特征向量。这次我们要使用方向梯度直方图Histogram of Oriented Gradients （HOG）作为特征向量。
• 在计算HOG 前我们使用图片的二阶矩对其进行抗扭斜（deskew）处理。

代码速记：

• cv2.ml.SVM_create()
• svm.train()
• svm.save()
• svm.predict()

实战：
（1） 使用图像的二阶矩对其进行抗扭斜（deskew）处理

def deskew(img):
    m = cv2.moments(img)  # 求矩
    if abs(m['mu02']) < 1e-2:
        return img.copy()
    skew = m['mu11'] / m['mu02']
    M = np.float32([[1, skew, -0.5 * SZ * skew], [0, 1, 0]])
    img = cv2.warpAffine(img, M, (SZ, SZ), flags=affine_flags)
    return img

（2） 使用方向梯度直方图Histogram of Oriented Gradients HOG 作为特征向量。

• 计算图像 X 方向和 Y 方向的 Sobel 导数。然后计算得到每个像素的梯度的方向和大小。把这个