opencv学习历程002(opencv3中支持向量机的用法)
来源:互联网 发布:常用的算法 编辑:程序博客网 时间:2024/06/07 13:03
这些天一直在学习《opencv3编程入门》这本书,由于里面是opencv2的版本与32位的环境,总是得考出来新建一个空项目来学习例程,有一些收获。
今天学习到了第二章中支持向量机的部分,由于opencv3以及没有了CvSVM的用法,所以程序总是出现“未定义标识符cvsvm”这样的错误,于是我从博客http://www.cnblogs.com/denny402/p/5019233.html
中找到了最新的用法,代码如下:
#include "opencv2/opencv.hpp"
using namespace cv;
using namespace cv::ml;
int main(int, char**)
{
int width = 512, height = 512;
Mat image = Mat::zeros(height, width, CV_8UC3); //创建窗口可视化
// 设置训练数据
int labels[10] = { 1, -1, 1, 1,-1,1,-1,1,-1,-1 };
Mat labelsMat(10, 1, CV_32SC1, labels);
float trainingData[10][2] = { { 501, 150 }, { 255, 10 }, { 501, 255 }, { 10, 501 }, { 25, 80 },
{ 150, 300 }, { 77, 200 } , { 300, 300 } , { 45, 250 } , { 200, 200 } };
Mat trainingDataMat(10, 2, CV_32FC1, trainingData);
// 创建分类器并设置参数
Ptr<SVM> model =SVM::create();
model->setType(SVM::C_SVC);
model->setKernel(SVM::LINEAR); //核函数
//设置训练数据
Ptr<TrainData> tData =TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);
// 训练分类器
model->train(tData);
Vec3b green(0, 255, 0), blue(255, 0, 0);
// Show the decision regions given by the SVM
for (int i = 0; i < image.rows; ++i)
for (int j = 0; j < image.cols; ++j)
{
Mat sampleMat = (Mat_<float>(1, 2) << j, i); //生成测试数据
float response = model->predict(sampleMat); //进行预测,返回1或-1
if (response == 1)
image.at<Vec3b>(i, j) = green;
else if (response == -1)
image.at<Vec3b>(i, j) = blue;
}
// 显示训练数据
int thickness = -1;
int lineType = 8;
Scalar c1 = Scalar::all(0); //标记为1的显示成黑点
Scalar c2 = Scalar::all(255); //标记成-1的显示成白点
//绘图时,先宽后高,对应先列后行
for (int i = 0; i < labelsMat.rows; i++)
{
const float* v = trainingDataMat.ptr<float>(i); //取出每行的头指针
Point pt = Point((int)v[0], (int)v[1]);
if (labels[i] == 1)
circle(image, pt, 5, c1, thickness, lineType);
else
circle(image, pt, 5, c2, thickness, lineType);
}
imshow("SVM Simple Example", image);
waitKey(0);
}
原文中第一行是“#include "stdafx.h"”,去掉后才可成功运行,运行后的图片如下:
接下来要开始编译opencv源代码的学习啦,加油!
- opencv学习历程002(opencv3中支持向量机的用法)
- OpenCV 机器学习之 支持向量机的用法实例
- 【opencv机器学习】支持向量机SVM的程序
- OpenCV学习之路-支持向量机SVM(一)
- 机器学习之-利用svm(支持向量机)分类(opencv3)
- OpenCV 支持向量机
- 我的OpenCV学习笔记(六):使用支持向量机(SVM)
- 我的OpenCV学习笔记(六):使用支持向量机(SVM)
- OpenCv学习笔记---OpenCv中支持向量机模块SVM------源代码分析
- opencv3.0-支持向量机(svm)使用介绍
- opencv3.1 svm(支持向量机)使用心得
- OpenCV之ml 模块. 机器学习:支持向量机(SVM)介绍 支持向量机对线性不可分数据的处理
- OpenCV--支持向量机使用(一)
- 支持向量机中所谓的支持向量究竟是什么?
- 支持向量机中所谓的支持向量究竟是什么?
- 支持向量机(中)
- 学习笔记——支持向量机svm(1)最简单的支持向量机
- opencv学习历程001(配置opencv3.3.0+vs2015+64位win10)
- TensorFlow 实现简单的卷积网络
- CentOS7使用firewalld打开关闭防火墙与端口
- Linux 添加管理员用户
- python网络爬虫-数据存储之MySQL
- Http和Https
- opencv学习历程002(opencv3中支持向量机的用法)
- 跳过图片防盗链js
- 使用 matplotlib 绘制western blot表达量柱状图
- Qt的一些整理
- kettle——(1)介绍和Execl输出举例
- leetcode 206. Reverse Linked List 反转字符串
- 解决Xcode9 app 图标不显示 iOS11app图标不显示
- 《C++ Concurrency in Action》笔记14 condition_variable
- Java Web中读取文件资源的路径问题