OpenCV对图片数据集提取HOG特征并用SVM进行识别

最新推荐文章于 2021-08-20 16:46:39 发布

unicorn963

最新推荐文章于 2021-08-20 16:46:39 发布

阅读量1.8k

点赞数 1

分类专栏：图像处理文章标签： OpenCV 图像处理 SVM

本文链接：https://blog.csdn.net/unicorn963/article/details/96189783

版权

本文介绍了如何在Windows环境下，利用OpenCV 3.4.1和Visual Studio 2017进行图像处理。首先，调整图片大小至128*128像素，接着提取HOG特征，并详细提供了源代码。通过预先处理的样本图片，训练SVM模型生成SVM_HOG.xml文件。最后，使用该模型对测试图片进行分类，展示实验结果。

摘要由CSDN通过智能技术生成

代码编程环境

Windows系统； OpenCV3.4.1； Visual studio 2017

设置图片大小源代码

在进行提取HOG特征之前，首先要对图片样本设置大小，把所有图片的像素大小调整为128*128，源代码如下。

#include <stdio.h>
#include <tchar.h>
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

Mat dealimage;
int num = 0;
ostringstream oss;//结合数字和字符串
void xiugai(Mat dealimage);
int main()
{
   
	//从指定文件夹下提取图片//
	//需要修改图片的文件夹地址,注意可以为jpg或者png等
	string pattern = "E:/img/*.jpg"; //图片存放的文件夹地址和类型
	vector<Mat> input_images;
	vector<String> input_images_name;
	glob(pattern, input_images_name, false);
	//为false时，仅仅遍历指定文件夹内符合模式的文件，当为true时，会同时遍历指定文件夹的子文件夹
	//此时input_images_name存放符合条件的图片地址
	int all_num = input_images_name.size();//文件下总共有几个图片
	cout << "总共有" << all_num << "个图片待测试" << endl;
	double t = (double)cvGetTickCount();//计算耗时
	for (int i = 0; i < input_images_name.size(); i++)
	{
   
		input_images.push_back(imread(input_images_name[i]));
		//循环读取每张图片并且依次放在vector<Mat> input_images内
		dealimage = input_images[i];
		xiugai(dealimage);
	}
	waitKey(0);
	return 0;
}


void xiugai(Mat dealimage)
{
   


	Mat resize_1(128, 128, CV_8UC3);//
	resize(dealimage, resize_1