我的OpenCV学习笔记（六）：使用支持向量机（SVM）

SVM是2000年左右提出的一种新的分类方法，着重解决了小样本分类问题。具体原理可以参看模式识别的书籍。OpenCV中的SVM的实现也是基于大名鼎鼎的SVM 库:http://www.csie.ntu.edu.tw/~cjlin。OpenCV教程中有两个例子，一个是线性可分的，一个是线性不可分的，我对他们做了详尽的注释：

先看线性可分时：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/ml/ml.hpp>

using namespace cv;

int main()
{
    // Data for visual representation
    int width = 512, height = 512;
    Mat image = Mat::zeros(height, width, CV_8UC3);

    // Set up training data
    float labels[5] = {1.0, -1.0, -1.0, -1.0,1.0};
    Mat labelsMat(5, 1, CV_32FC1, labels);


	float trainingData[5][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501},{501,128} };
    Mat trainingDataMat(5, 2, CV_32FC1, trainingData);

    //设置支持向量机的参数
    CvSVMParams params;
    params.svm_type    = CvSVM::C_SVC;//SVM类型：使用C支持向量机
    params.kernel_type = CvSVM::LINEAR;//核函数类型：线性
    params.term_crit   = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);//终止准则函数：当迭代次数达到最大值时终止

    //训练SVM
	//建立一个SVM类的实例
    CvSVM SVM;
	//训练模型，参数为：输入数据、响应、XX、XX、参数（前面设置过）
    SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);
    
    Vec3b green(0,255,0), blue (255,0,0);
    //显示判决域
    for (int i = 0; i < image.rows; ++i)
        for (int j = 0; j < image.cols; ++j)
        {
            			Mat sampleMat = (Mat_<float>(1,2) <&l