前言
实现分类可以使用SVM方法，但是需要人工调参，具体过程请参考here，这个比较麻烦，小鹅不喜欢麻烦，正好看到SVM可以自动调优，甚好！
注意
1.reshape的使用；
https://docs.opencv.org/3.3.1/d3/d63/classcv_1_1Mat.html#a4eb96e3251417fa88b78e2abd6cfd7d8
cv::Mat cv::Mat::reshape ( int cn, int rows = ) const
参数
cn: New number of channels. If the parameter is , the number of channels remains the same.
rows: New number of rows. If the parameter is , the number of rows remains the same.
2.注意函数参变量如果在函数内部数据发生改变，且其他处有引用的话，函数的形参一定要使用引用。
3.注意调用函数形参的数据类型是否匹配。
4.调试过程中的错误也许是由其他处的原因导致的，所以一定要找到错误的根源。
5.一定要静下心来耐心地一步步跟踪、调试代码，直至找到真正的原因，调试过程中不要怕麻烦怕速度慢，尽量自己想办法解决。
6.对于一些库函数，可以网页查找，但是一定也要看看库函数的开发文档，更具有权威性和正确性。
7.
参考
1.
2. opencv3.3.1_SVM;
3.
https://blog.****.net/wyx100/article/details/75295215
完