在opencv3中实现机器学习之：利用svm(支持向量机)分类

时间：2023-03-08 18:35:27

svm分类算法在opencv3中有了很大的变动，取消了CvSVMParams这个类，因此在参数设定上会有些改变。

opencv中的svm分类代码，来源于libsvm。

#include "stdafx.h"

#include "opencv2/opencv.hpp"

using namespace cv;

using namespace cv::ml;

int main(int, char**)

{

    int width = , height = ;

    Mat image = Mat::zeros(height, width, CV_8UC3);  //创建窗口可视化

    // 设置训练数据

    int labels[] = { , -, , ,-,,-,,-,- };

    Mat labelsMat(, , CV_32SC1, labels);

    float trainingData[][] = { { ,  }, { ,  }, { ,  }, { ,  }, { ,  },

    { ,  }, { ,  } , { ,  } , { ,  } , { ,  } };

    Mat trainingDataMat(, , 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(, , ), blue(, , );

    // Show the decision regions given by the SVM

    for (int i = ; i < image.rows; ++i)

    for (int j = ; j < image.cols; ++j)

    {

        Mat sampleMat = (Mat_<float>(, ) << j, i);  //生成测试数据

        float response = model->predict(sampleMat);  //进行预测，返回1或-1

        if (response == )

            image.at<Vec3b>(i, j) = green;

        else if (response == -)

            image.at<Vec3b>(i, j) = blue;

    }

    // 显示训练数据

    int thickness = -;

    int lineType = ;

    Scalar c1 = Scalar::all(); //标记为1的显示成黑点

    Scalar c2 = Scalar::all(); //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 = ; i < labelsMat.rows; i++)

    {

        const float* v = trainingDataMat.ptr<float>(i); //取出每行的头指针

        Point pt = Point((int)v[], (int)v[]);

        if (labels[i] == )

            circle(image, pt, , c1, thickness, lineType);

        else

            circle(image, pt, , c2, thickness, lineType);

    }

    imshow("SVM Simple Example", image);

    waitKey();

}

在opencv3中实现机器学习之：利用svm(支持向量机)分类

如果只是简单的点分类，svm的参数设置就这么两行就行了，但如果是其它更为复杂的分类，则需要设置更多的参数。

Ptr<SVM> svm = SVM::create();    //创建一个分类器

svm->setType(SVM::C_SVC);    //设置svm类型

由于opencv中的svm分类算法是根据libsvm改写而来的，libsvm是*一学者编写的matlab版本的svm算法，所以参数的设定的也大致相同。svm类型除了C_SVC之外，还有NU_SVC,ONE_CLASS,EPS_SVR,NU_SVR.

还有其它的参数，如

 svm->setKernel(SVM::POLY); //设置核函数;

    svm->setDegree(0.5);

    svm->setGamma();

    svm->setCoef0();

    svm->setNu(0.5);

    svm->setP();

    svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, , 0.01));

    svm->setC(C);

如果前面svm类型选择的不同，后面的参数设置也不同，具体的设置可以了解一下libsvm的参数设置。具体介绍可参照 ：libsvm参数说明

setTermCriteria是用来设置算法的终止条件， SVM训练的过程就是一个通过 迭代 方式解决约束条件下的二次优化问题，这里我们指定一个最大迭代次数和容许误差，以允许算法在适当的条件下停止计算

相关文章