opencv-SVM分类器

该博客介绍了一个使用OpenCV库进行图像分类的实现,主要涉及SVM分类器。首先,通过SURF特征构造词典并聚类,然后使用Bag of Words(BOW)方法构建训练集。接着训练SVM分类器,并对测试图片进行分类。博客涵盖了从读取训练数据、构建词典、训练分类器到进行图像分类的完整流程。
摘要由CSDN通过智能技术生成

【源.cpp代码】
#include
#include
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include
#include<opencv2/ml/ml.hpp>
#include<opencv2/features2d/features2d.hpp>
#include<opencv2/nonfree/features2d.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include
//boost 库
#include<boost/filesystem.hpp>
#include"Config.h"

using namespace cv;
using namespace std;
//定义一个boost库的命名空间
namespace fs = boost::filesystem;
using namespace fs;

class categorizer
{
private:
//从类目名称到数据的map映射
map<string, Mat> result_objects;
//存放所有训练图片的BOW
map<string, Mat> allsamples_bow;
//从类目名称到训练图集的映射,关键字可以重复出现
multimap<string, Mat> train_set;
// 训练得到的SVM
CvSVM *stor_svms;
//类目名称,也就是TRAIN_FOLDER设置的目录名
vector category_name;
//类目数目
int categories_size;
//用SURF特征构造视觉词库的聚类数目
int clusters;
//存放训练图片词典
Mat vocab;

//特征检测器detectors与描述子提取器extractors   泛型句柄类Ptr
Ptr<FeatureDetector> featureDecter;
Ptr<DescriptorExtractor> descriptorExtractor;

Ptr<BOWKMeansTrainer> bowtrainer;
Ptr<BOWImgDescriptorExtractor> bowDescriptorExtractor;
Ptr<FlannBasedMatcher> descriptorMacher;

//构造训练集合
void make_train_set();
// 移除扩展名,用来讲模板组织成类目
string remove_extention(string);

public:
//构造函数
categorizer(int);
// 聚类得出词典
void bulid_vacab();
//构造BOW
void compute_bow_image();
//训练分类器
void trainSvm();
//将测试图片分类
void category_By_svm();
};

// 移除扩展名,用来讲模板组织成类目
string categorizer::remove_extention(string full_name)
{
//find_last_of找出字符最后一次出现的地方
int last_index = full_name.find_last_of(".");
string name = full_name.substr(0, last_index);
return name;
}

// 构造函数
categorizer::categorizer(int _clusters)
{
cout << “开始初始化…” << endl;
clusters = _clusters;
//初始化指针
featureDecter = new SurfFeatureDetector();
descriptorExtractor = new SurfDescriptorExtractor();

bowtrainer = new BOWKMeansTrainer(clusters);
descriptorMacher = new FlannBasedMatcher();
bowDescriptorExtractor = new BOWImgDescriptorExtractor(descriptorEx
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