hog matlab,matlab hog+svm代码

使用MATLAB来对于hog+svm进行使用

这边使用的是getfile函数来对于文件夹来进行遍历以及进行hog来进行变换，返回图片数量以及hog以后的矩阵allimage。

主函数使用的是MATLAB自带的函数fitcsvm来进行训练，predict来进行判断。

function [ allimage,num ] = getFiles( input )

%UNTITLED9 此处显示有关此函数的摘要

% 此处显示详细说明

p = genpath(input);% 获得文件夹data下所有子文件的路径，这些路径存在字符串p中，以';'分割

length_p = size(p,2);%字符串p的长度

path = {};%建立一个单元数组，数组的每个单元中包含一个目录

temp = [];

for i = 1:length_p %寻找分割符';'，一旦找到，则将路径temp写入path数组中

if p(i) ~= ';'

temp = [temp p(i)];

else

temp = [temp '\']; %在路径的最后加入 '\'

path = [path ; temp];

temp = [];

end

end

clear p length_p temp;

%至此获得data文件夹及其所有子文件夹(及子文件夹的子文件夹)的路径，存于数组path中。

%下面是逐一文件夹中读取图像

%建立矩阵(图片大小要相同)

num=1;

allimage=[];

file_num = size(path,1);% 子文件夹的个数

for i = 1:file_num

file_path = path{i}; % 图像文件夹路径

img_path_list = dir(strcat(file_path,'*.jpg'));

img_num = length(img_path_list); %该文件夹中图像数量

if img_num > 0

for j = 1:img_num

image_name = img_path_list(j).name;% 图像名

image = imread(strcat(file_path,image_name));

image = imresize(image,[48,32]);

fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));% 显示正在处理的路径和图像名

% img=rgb2gray(image);

% hog =hogcalculator(image);

[adds, hog] = extractHOGFeatures(image);%hog变换

% figure(1),imshow(image), hold on;

% plot(hog);

allimage(num,:)=adds;

% allimage = [allimage,image1];

num = num+1;

end

end

end

end

主函数

clear

close all

[charsImage1 , size1] = getFiles ('C:\Users\Administrator\Documents\MATLAB\chars');%正样本

[charsImage2 , size2] = getFiles ('C:\Users\Administrator\Documents\MATLAB\nochars');%负样本

[charsImage3 , size3] = getFiles ('C:\Users\Administrator\Documents\MATLAB\charsImage');%测试样本

label1=ones(size1-1,1);

label2=zeros(size2-1,1);

label = [label1;label2];

trainImage = [charsImage1;charsImage2];

%训练分类模型

svmModel = fitcsvm(trainImage,label);

predict1 = [];

%分类测试

for i= 1:size3-1

[predictIndex,score]=predict(svmModel,charsImage3(i,:));

predict1 = [predict1,predictIndex];

end

预测结果在predict1里面。