OpenCv3.0+SVM的使用心得（二）

主要有4点总结：
1.
读取txt的内容(文件路径)，按行输出。下面语句中，pictures.txt中是文件夹中的文件（图片）列表，samplePath是文件夹路径（string格式）。string和char类型可以使用‘+’连接。

char positiveImgName[256];
fream f;
f.open("D:\\pictures.txt",ios::in);
while (!f.eof())
{
    f.getline(positiveImgName,256,'\n');
    string picturePath=samplePath+positiveImgName;
}

2.
对于某些样本照片，可能大小不如我们所愿，因此要对其进行截取。
我们可以从Mat类型中提取矩形区域：

cv::Mat bigImage=cv::Mat::zeros(cv::Size(660,350));
cv::Mat smallImage=cv::Mat(bigImage,cv::Rect(0,0,110,70));

但是，需要注意这么做并没有复制图像数据，仅仅为同样的image data创建了另一个wrapper。如果需要复制数据，需要用：

cv::Mat smallImage = cv::Mat(bigImage, cv::Rect(0,0,110,70)).clone();

如果需要图像中多个不同大小的部分，需要将图像用网格划分，比如：

cv::Size smallSize(110,70);
std::vector<Mat> smallImages;

for (int y = 0; y < bigImage.rows; y += smallSize.height)
{
    for (int x=0; x < bigImage.cols; x += smallSize.width)
    {
        cv::Rect rect =cv::Rect(x,y,smallSize.width, smallSize.height);
        smallImages.push_back(cv::Mat(bigImage, rect));
    }
}

在图像处理中，样本的处理需要使用第二中复制数据的方式。

3.
使用dir\b>picture.lst命令行获取一个文件夹内所有文件的文件名，会在文档的最后多产生一个空行。

4.
训练出来的SVM classifier的support vector是以Mat类型进行存储，其rows是根据svm的参数而变化的，如果是二分类分类器，应该是1*n的大小。如果和规划的不一致，去查看训练数据是否有误（是否有些label未赋值等）。