学习笔记之——opencv的ML模块

 

之前开始学opencv的时候就看到opencv里面有机器学习模块（machine learning，ML），但是一直以来跟着这么多书籍学习都没有发现有提及过（毕竟opencv是针对图像处理方面的，所以大部分书籍都以介绍图像处理方面的为主）。无意中，在《OpenCV和Visual Studio图像识别应用开发》一书中看到有ML模块的介绍，所以就打算写下这一篇学习笔记~

在opencv中，ML模块是一组统计分类、回归分析、数据聚类的类与统计模式函数。

下面直接给出基于opencv的ML库的SVM代码：
#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\ml\ml.hpp>
 
 
using namespace cv;
 
 
int main()
{
    //要呈现的数据.image是用来画图的
    int width = 512, height = 512;
    Mat image = Mat::zeros(width, height, CV_8UC3);//CV_[位数][带符号与否]C[通道数]
    //直接使用Mat构造函数
    /*Mat::Mat(Size size, int type, const Scalar& s)
    创建大小为 size，类型为 type 的图像，并将所有元素初始化为值 s*/
    
    
    //标签
    float labels[4] = { 1.0,-1.0,-1.0,-1.0 };
    Mat labelsMat(4, 1, CV_32FC1, labels);
 
 
    //设置训练数据
    float trainingData[4][2] = { {501,10},{255,10},{501,255},{10,501} };
    Mat trainingDatMat(4, 2, CV_32FC1, trainingData);
 
 
    //设置SVM参数
    CvSVMParams params;
    params.svm_type = CvSVM::C_SVC;
    params.kernel_type = CvSVM::LINEAR;
    params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);
 
    //训练SVM
    CvSVM SVM;
    SVM.train(trainingDatMat, labelsMat, Mat(), Mat(), params);
    Vec3b green(0, 255, 0), blue(255, 0, 0);//opencv里面存储为BGR
 
    
    //显示SVM的决定区
    for (int i = 0;i < image.rows;++i)
    {
        for (int j = 0;j < image.rows;++j)
        {
            Mat sampleMat = (Mat_<float>(1, 2) << j, i);//构建一个Mat矩阵sampleMat，大小为1*2，元素为j和i的
            float response = SVM.predict(sampleMat);//输入为预测的，输出为估计的
            if (response == 1)
            {
                image.at<Vec3b>(i,j) = green;//当为1类时，绿色
            }
            else if (response == -1)
            {
                image.at<Vec3b>(i,j) = blue;//当为-1类时，绿色
            }
        }
    }
 
 
    //显示训练数据
    int thickness = -1;
    int lineType = 8;
    circle(image, Point(501, 10), 5, Scalar(0, 0, 0), thickness, lineType);
    circle(image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType);
    circle(image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType);
    circle(image, Point(10, 501), 5, Scalar(255, 255, 255), thickness, lineType);
 
    //显示支持向量
    thickness = 2;
    lineType = 8;
    int c = SVM.get_support_vector_count();
    for (int i = 0;i < c;++i)
    {
        const float* v = SVM.get_support_vector(i);
        circle(image, Point((int)v[0], (int)v[1]), 6, Scalar(128, 128, 128), thickness, lineType);
    }
 
    //显示结果
    imshow("SVM结果", image);
    waitKey(0);
}