机器视觉之SVM

支持向量机（Support Vector Machine，简称SVM）是一种常用的监督学习算法，主要用于分类和回归问题。在这里，我将提供一个使用OpenCV和C++编写的简单SVM分类器的示例程序。这个示例将演示如何使用SVM对二维数据进行二元分类。

请确保你已经安装了OpenCV，并且已经安装了CMake（用于构建程序）。

首先，创建一个名为"SVMExample"的文件夹，然后在该文件夹中创建以下两个文件：

1. svm_data.txt：包含训练数据，每一行包含两个特征和一个类别标签（0或1）。

   2.1 3.4 0
   3.5 4.2 0
   2.8 5.6 0
   7.3 6.9 1
   8.0 5.4 1
   9.1 6.2 1
   

2. svm_example.cpp：SVM示例程序的源代码。

下面是示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 读取训练数据
    cv::Mat data, labels;
    cv::FileStorage fs("svm_data.txt", cv::FileStorage::READ);
    fs["data"] >> data;
    fs["labels"] >> labels;
    fs.release();

    if (data.empty() || labels.empty()) {
        std::cerr << "Error: Could not open training data." << std::endl;
        return -1;
    }

    // 创建SVM分类器
    cv::Ptr<cv::ml::SVM> svm = cv::ml::SVM::create();
    svm->setType(cv::ml::SVM::C_SVC);
    svm->setKernel(cv::ml::SVM::LINEAR);
    svm->setTermCriteria(cv::TermCriteria(cv::TermCriteria::MAX_ITER, 100, 1e-6));

    // 训练SVM模型
    svm->train(data, cv::ml::ROW_SAMPLE, labels);

    // 创建测试数据
    cv::Mat test = (cv::Mat_<float>(1, 2) << 3.0, 4.5);

    // 使用训练好的模型进行分类
    float result = svm->predict(test);

    // 输出分类结果
    std::cout << "Predicted class: " << result << std::endl;

    return 0;
}

编译和运行这个程序。它将读取训练数据，使用SVM分类器进行训练，然后对新的测试数据进行分类预测。