本教程详细介绍了如何使用OpenCV进行模式识别，特别是通过CvKNearest进行分类。首先，讲解了模式识别的基本概念，并展示了如何采集和组织训练样本。接着，创建了样本数据矩阵和类别标号矩阵，然后利用cvRandArr生成不同类别的随机样本。最后，使用CvKNearest训练分类器并演示了如何进行预测。
本章中，主要介绍一些模式识别的基础概念。
在模式识别中，对元素进行分类之前，我们需要采集样本进行训练。本章的实例中，训练了3个类，每一个类采集了100个样本。
对于训练，需要创建两个矩阵，一个是用于存储样本数据的矩阵，一个用于与数据对应的类的标号：
Int train_sample_count=300;//总共300个样本
CvRNG rng_state = cvRNG(-1);
CvMat* trainData =cvCreateMat(train_sample_count,2,CV_32FC1);//存储样本数据
CvMat* trainClasses = cvCreateMat(train_sample_count, 1, CV_32FC1 );//存储类的标号
矩阵trainData是一个有train_sample_count行，2
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
