python使用libsvm训练（颜色特征、hog特征、纹理特征）

「已注销」

已于 2023-07-25 16:18:34 修改

阅读量268

点赞数

分类专栏： SLIC 文章标签： python 开发语言

于 2023-07-25 16:17:57 首次发布

本文链接：https://blog.csdn.net/young_girl_86/article/details/131896108

版权

本文介绍了如何在Python环境下安装libsvm，并提供了相关的测试代码及结果展示，详细讲解了利用libsvm进行颜色特征、HOG特征和纹理特征训练的过程。

摘要由CSDN通过智能技术生成

1、安装libsvm

在虚拟环境中pip install -U libsvm-official

测试代码：

from libsvm.svmutil import *
from libsvm.svm import *

y, x = [1, -1], [{
   1: 1, 2: 2}, {
   1: 1, 2: 0}]
prob = svm_problem(y, x)
param = svm_parameter('-t 0 -c 4 -b 1')
model = svm_train(prob, param)

yt = [1]
xt = [{
   1: 2, 2: 3}]
p_label, p_acc, p_val = svm_predict(yt, xt, model)

print(p_label)

结果图：
在这里插入图片描述

2、代码

参考：python使用libsvm
python 使用 libsvm

from libsvm.svmutil import *
import joblib
from skimage.feature import local_binary_pattern
import cv2
from skimage.feature import hog
import numpy as np

def get_image_list(dirname,size):    #加载图片
    img_list = []
    for i in range(size):
        path = dirname+ str(i) +'.png'   #图片存放路径
        img = cv2.imread(path)          #调用opencv的imread函数读取图片，得到一个通道为三的数组
        img_list.append(img)
        path = dirname
    return img_list
def write(label,save_path,feature):     #保存特征   ###大概是这样的。自己摸索的，不知道对不对，反正能训练
    ###例：标签（1）+空格（‘ ’）+ 序号（从1开始str(j + 1)）+冒号（‘：’）+特征值+空格（‘ ’）换行（'\n'）
    ###例如1 1:31.077399380804952 2:71.24458204334366 3:214.22600619195046 4:5.040721180244506 5:9.946245307810633 6:27.205359467206083 7:5.467070774735018 8:11.444525326546477 9:29.464294388212977
    ###   1 1:0.04953560371517028 2:0.05263157894736842 3:0.02476780185758514 4:0.018575851393188854 5:0.0 6:0.030959752321981424 7:0.021671826625386997 8:0.03715170278637771 9:0.058823529411764705 10:0.05263157894736842 11:0.09907120743034056 12:0.0804953560371517 13:0.06191950464396285 14:0.04953560371517028 15:0.018575851393188854 16:0.021671826625386997 17:0.009287925696594427 18:0.01238390092879257 19:0.009287925696594427 20:0.0030959752321981426 21:0.0 22:0.01238390092879257 23:0.0030959752321981426 24:0.006191950464396285 25:0.01238390092879257 26:0.25386996904024767
    ###一张图片的标签在最前方。之后是特征值，每张图片的特征值在一行，下一张图片需要换行。例如纹理特征，有9个值，序号就从1-9。hog有12480个值，序号就从1-12480.
    with open(save_path,