程序博客网 > 现在开淘宝店晚吗

OpenCV3.0或OpenCV3.1的SVM操作

来源：互联网 发布：现在开淘宝店晚吗 编辑：程序博客网 时间：2024/06/04 19:07

OpenCV2.0 SVM代码及其分析

OpenCV 在很久以前就集成了SVM的功能，现在OpenCV升级到了3.0和3.1了，很多人都不习惯了怎么调用OpenCV中的SVM功能了。在之前OpenCV的SVM调用一直有个案例：首先，给定几组训练数据，并且给了label所对应的值。然后经过训练之后，对图像的各个位置进行预测是1还是-1。如果是1的话，用绿色来表示，如果是-1呢，用蓝色表示。并且还画出几个支持向量。 
下面给了OpenCV2.0 的SVM代码(勿喷，直接从OpenCV官方网址复制下来的)

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/ml/ml.hpp>using namespace cv;int main(){    // Data for visual representation    int width = 512, height = 512;    Mat image = Mat::zeros(height, width, CV_8UC3);    // Set up training data    float labels[4] = {1.0, -1.0, -1.0, -1.0};    Mat labelsMat(3, 1, CV_32FC1, labels);    float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} };    Mat trainingDataMat(3, 2, CV_32FC1, trainingData);    // Set up SVM's parameters    CvSVMParams params;    params.svm_type    = CvSVM::C_SVC;    params.kernel_type = CvSVM::LINEAR;    params.term_crit   = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);    // Train the SVM    CvSVM SVM;    SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);    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) << i,j);            float response = SVM.predict(sampleMat);            if (response == 1)                image.at<Vec3b>(j, i)  = green;            else if (response == -1)                  image.at<Vec3b>(j, i)  = blue;        }    // Show the training data    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);    // Show support vectors    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);    }    imwrite("result.png", image);        // save the image     imshow("SVM Simple Example", image); // show it to the user    waitKey(0);}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68

OpenCV 3.0、OpenCV3.1 的SVM训练代码

下面给出了正确的，记住是正确的代码：

例子1：

#include "stdafx.h"#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 SVMfor (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-1if (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);elsecircle(image, pt, 5, c2, thickness, lineType);}imshow("SVM Simple Example", image);waitKey(0);}


例子2：

#include "opencv2/opencv.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/highgui.hpp"#include "opencv2/ml.hpp"//using namespace cv;//using namespace cv::ml;int main(int argc, char** argv){    // visual representation    int width = 512;    int height = 512;    cv::Mat image = cv::Mat::zeros(height, width, CV_8UC3);    // training data    int labels[4] = { 1, -1, -1, -1 };    float trainingData[4][2] = { { 501, 10 }, { 255, 10 }, { 501, 255 }, { 10, 501 } };    cv::Mat trainingDataMat(4, 2, CV_32FC1, trainingData);    cv::Mat labelsMat(4, 1, CV_32SC1, labels);    // initial SVM    cv::Ptr<cv::ml::SVM> svm = cv::ml::SVM::create();    svm->setType(cv::ml::SVM::Types::C_SVC);    svm->setKernel(cv::ml::SVM::KernelTypes::LINEAR);    svm->setTermCriteria(cv::TermCriteria(cv::TermCriteria::MAX_ITER, 100, 1e-6));    // train operation    svm->train(trainingDataMat, cv::ml::SampleTypes::ROW_SAMPLE, labelsMat);    // prediction    cv::Vec3b green(0, 255, 0);    cv::Vec3b blue(255, 0, 0);    for (int i = 0; i < image.rows; i++)    {        for (int j = 0; j < image.cols; j++)        {            cv::Mat sampleMat = (cv::Mat_<float>(1, 2) << j, i);            float respose = svm->predict(sampleMat);            if (respose == 1)                image.at<cv::Vec3b>(i, j) = green;            else if (respose == -1)                image.at<cv::Vec3b>(i, j) = blue;        }    }    int thickness = -1;    int lineType = cv::LineTypes::LINE_8;    cv::circle(image, cv::Point(501, 10), 5, cv::Scalar(0, 0, 0), thickness, lineType);    cv::circle(image, cv::Point(255, 10), 5, cv::Scalar(255, 255, 255), thickness, lineType);    cv::circle(image, cv::Point(501, 255), 5, cv::Scalar(255, 255, 255), thickness, lineType);    cv::circle(image, cv::Point(10, 501), 5, cv::Scalar(255, 255, 255), thickness, lineType);    thickness = 2;    lineType = cv::LineTypes::LINE_8;    cv::Mat sv = svm->getSupportVectors();    for (int i = 0; i < sv.rows; i++)    {        const float* v = sv.ptr<float>(i);        cv::circle(image, cv::Point((int)v[0], (int)v[1]), 6, cv::Scalar(128, 128, 128), thickness, lineType);    }    cv::imshow("SVM Simple Example", image);    cv::waitKey(0);    return 0;}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72

运行的效果如下： 
OpenCV3.1 SVM运行效果图

为了保证代码可读性，代码没有用using namespace cv或using namespace cv::ml;之类的代码，全部都写完整的名称，命名空间+类名。比如设置SVM的核类型为线性，写成svm->setKernel(cv::ml::SVM::KernelTypes::LINEAR);。当然，这个只是一处地方，其他的请自己阅读。

代码的注意事项

虽然，大家的目标很明确：导入训练数据+label –> Mat, 训练，预测，显示这些目标。但是仍然避免不了代码错误。下面就是我遇到的代码的问题。

标签以及变成Mat的数据类型

其实，在本代码中出现了一种情况就是数据类型，下面均以标签为例： 
这个是OpenCV3.0、OpenCV3.1正确的代码：

int labels[4] = { 1, -1, -1, -1 };cv::Mat labelsMat(4, 1, CV_32SC1, labels);
  • 1
  • 2

下面是OpenCV 2.X 正确代码

float labels[4] = {1.0, -1.0, -1.0, -1.0};Mat labelsMat(3, 1, CV_32FC1, labels);
  • 1
  • 2

如果将OpenCV 2.X的代码换到OpenCV 3.1、OpenCV3.0代码会有什么样子的结果呢？ 
这里写图片描述 
这个很熟悉吧所以，如果傻乎乎的换，这个是行不通的。 
下面对于label和labelMat按照不同的情况进行分析。 
首先，这个labelMat和trainingMat到底能取哪几种类型？

下面，请看OpenCV3.1 源码中的一个部分：

void setData(InputArray _samples, int _layout, InputArray _responses,                 InputArray _varIdx, InputArray _sampleIdx, InputArray _sampleWeights,                 InputArray _varType, InputArray _missing)    {        samples = _samples.getMat();         responses = _responses.getMat();        CV_Assert( samples.type() == CV_32F || samples.type() == CV_32S );        if( !responses.empty() )        {            CV_Assert( responses.type() == CV_32F || responses.type() == CV_32S );        }    }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

为了方便起见，将这个函数的代码的其他部分删除了。首先解释一下：samples就是训练的数据。response就是标签。通过上面，我们知道再来用Mat的时候，只能用CV_32F和CV_32S。所以说，如果这些矩阵不能写什么CV_8UC1之类的了，这个是错误的。

假设我们写其他的情况，比如

label为int，labelsMat为CV_32SC1

这个是正确的。

label为float，labelsMat为CV_32FC1

这个会出现错误，这个我还没有分析出来是什么原因。错误的截图如下：错误。 
下面的错误均表示为截图所示的错误。

label为int，labelsMat为CV_32FC1

同样的，这个是错误。当我们用Imagewatch插件去观察labelsMat的值的时候发现这个labelsMat的值为这里写图片描述。好吧，这个很明显了。

label为float，labelsMat为CV_32SC1

这个是可以运行的，但是结果肯定是错误的。同样的，值不对。

阅读全文
0 0
现在开淘宝店晚吗 现在开淘宝店晚吗
原创粉丝点击
热门IT博客
生成微信专用淘宝链接生成微信专用淘宝链接
对网络语言暴力的看法对网络语言暴力的看法
jre 7u9 windows x32
阿里云幕布的申请
苏州网络建站公司排名
微信诱导充值源码
深圳青少年编程培训
java官网自行车官网
java中区分实参和形参
linux下安装ant
红色网络教育家园导航
瑞凡菲尼克斯演技知乎
赛多利斯 知乎
硅胶减震 知乎
cn域名备案和com
翻译课文的软件
100以内素数c语言程序
java不能从txt中读取
淘宝网购物摩托车
淘宝联盟推广方法
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 发蜡和发泥 发泥发蜡怎么用 发泥有什么用 哑光发泥 发泥抓头发 男士发胶什么牌子好 发胶 弹力素 男士头发定型用什么好 头发定型用什么好 定型喷雾 定型水 发胶和啫喱水的区别 啫喱水 头发定型 婴儿大便墨绿色泥状发臭 2个月婴儿大便墨绿色泥状发臭 漩 玉环漩门湾湿地公园 玉环漩门湾观光农业园 漩口中学诡异事件 锦绣侯门 漩沐l 卜洪漩 佐助和玖辛奈漩玉肛 马桶虹吸好还是超漩好 喷射虹吸式跟超漩虹吸式图解 马桶是虹吸式还是超漩式好吗 发火图片 发火 猛虎发火 发火的图片 不发火地面 发火图片想揍人图片 生气发火图片 冰山攻吃醋发火段子 想发火的图片 爱发火是什么原因 一来例假就心情烦躁想发火 淋巴结发炎 嗓子发炎 牙龈发炎

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里