之前SVM进行项目中待识别物体的分类,过去挺长时间结果有点生疏了,这里梳理一下。因为当初是根据《深入理解OpenCV》自动分类的例程,所以这里仍以此为例。这里只是列出了SVM使用环节的代码,而且本来就是一个小例子,其中测试集训练集的选取、特征的选择等都是最简单的考虑,真正应用,要进行更加全面的考虑。
这个例程是从传送带中找到螺母、螺钉和垫圈,使用的特征是外轮廓的长宽比和面积的大小,也就是说,使用这两项就能训练SVM模型预测某一个轮廓属于哪一种类别。
#include <iostream>
#include <string>
#include <sstream>
#include <cmath>
using namespace std;
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/core/utility.hpp"
#include "opencv2/ml.hpp"
using namespace cv;
using namespace cv::ml;
Mat light_pattern;
//创建一个SVM模型
Ptr<SVM> svm;
/**
* Extract the features for all objects in one image 检测一幅图中所有物体的特征
*
* @param Mat img input image
* @param vector<int> left output of left coordinates for each object 某个轮廓中心的x坐标
* @param vector<int> top output of top coordintates for each object 某个轮廓中心的y坐标
* @return vector< vector<float> > a matrix of rows of features for each object detectedoutput
第一层有n个元素,n即有多少个零件,第二次有2个元素,分别是面积和长宽比两个特征
**/
vector< vector<float> > ExtractFeatures(Mat img, vector<int>* left=NULL, vector<int>* top=NULL)
{
vector< vector<float> > output;
vector<vector<cv::Point> > contours; //存放轮廓数据
Mat input1= img.clone(); //把原图复制一份,然后用这个副本去做轮廓检测,因为findContours函数会改变图像
Mat input;
vector<Vec4i> hierarchy;
cvtColor(input1, input, COLOR_BGR2GRAY);
findContours(input, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);
// Check the number of objects detected
if(contours.size() == 0 )
{
return output;
}
RNG rng( 0xFFFFFFFF );
for(int i=0; i<contours.size(); i++)
{
//先生成一个全黑的图像
Mat mask= Mat::zeros(img.rows, img.cols, C