當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

OpenCV3.0或OpenCV3.1的SVM操作

發(fā)布時(shí)間：2024/4/15 编程问答 27 豆豆

生活随笔收集整理的這篇文章主要介紹了 OpenCV3.0或OpenCV3.1的SVM操作小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

OpenCV2.0 SVM代碼及其分析

OpenCV 在很久以前就集成了SVM的功能，現(xiàn)在OpenCV升級(jí)到了3.0和3.1了，很多人都不習(xí)慣了怎么調(diào)用OpenCV中的SVM功能了。在之前OpenCV的SVM調(diào)用一直有個(gè)案例：首先，給定幾組訓(xùn)練數(shù)據(jù)，并且給了label所對(duì)應(yīng)的值。然后經(jīng)過訓(xùn)練之后，對(duì)圖像的各個(gè)位置進(jìn)行預(yù)測(cè)是1還是-1。如果是1的話，用綠色來表示，如果是-1呢，用藍(lán)色表示。并且還畫出幾個(gè)支持向量。?
下面給了OpenCV2.0 的SVM代碼(勿噴，直接從OpenCV官方網(wǎng)址復(fù)制下來的)

#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/ml/ml.hpp>using namespace cv;int main() {// Data for visual representationint width = 512, height = 512;Mat image = Mat::zeros(height, width, CV_8UC3);// Set up training datafloat 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 parametersCvSVMParams params;params.svm_type = CvSVM::C_SVC;params.kernel_type = CvSVM::LINEAR;params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);// Train the SVMCvSVM SVM;SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);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) << 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 dataint 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 vectorsthickness = 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 userwaitKey(0);}

OpenCV 3.0、OpenCV3.1 的SVM訓(xùn)練代碼

下面給出了正確的，記住是正確的代碼：

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); //創(chuàng)建窗口可視化// 設(shè)置訓(xùn)練數(shù)據(jù)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);// 創(chuàng)建分類器并設(shè)置參數(shù)Ptr<SVM> model = SVM::create();model->setType(SVM::C_SVC);model->setKernel(SVM::LINEAR); //核函數(shù)//設(shè)置訓(xùn)練數(shù)據(jù) Ptr<TrainData> tData = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);// 訓(xùn)練分類器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); //生成測(cè)試數(shù)據(jù)float response = model->predict(sampleMat); //進(jìn)行預(yù)測(cè)，返回1或-1if (response == 1)image.at<Vec3b>(i, j) = green;else if (response == -1)image.at<Vec3b>(i, j) = blue;}// 顯示訓(xùn)練數(shù)據(jù)int thickness = -1;int lineType = 8;Scalar c1 = Scalar::all(0); //標(biāo)記為1的顯示成黑點(diǎn)Scalar c2 = Scalar::all(255); //標(biāo)記成-1的顯示成白點(diǎn)//繪圖時(shí)，先寬后高，對(duì)應(yīng)先列后行for (int i = 0; i < labelsMat.rows; i++){const float* v = trainingDataMat.ptr<float>(i); //取出每行的頭指針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 representationint width = 512;int height = 512;cv::Mat image = cv::Mat::zeros(height, width, CV_8UC3);// training dataint 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 SVMcv::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 operationsvm->train(trainingDataMat, cv::ml::SampleTypes::ROW_SAMPLE, labelsMat);// predictioncv::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; }

運(yùn)行的效果如下：?

為了保證代碼可讀性，代碼沒有用using namespace cv或using namespace cv::ml;之類的代碼，全部都寫完整的名稱，命名空間+類名。比如設(shè)置SVM的核類型為線性，寫成svm->setKernel(cv::ml::SVM::KernelTypes::LINEAR);。當(dāng)然，這個(gè)只是一處地方，其他的請(qǐng)自己閱讀。

代碼的注意事項(xiàng)

雖然，大家的目標(biāo)很明確：導(dǎo)入訓(xùn)練數(shù)據(jù)+label –> Mat, 訓(xùn)練，預(yù)測(cè)，顯示這些目標(biāo)。但是仍然避免不了代碼錯(cuò)誤。下面就是我遇到的代碼的問題。

標(biāo)簽以及變成Mat的數(shù)據(jù)類型

其實(shí)，在本代碼中出現(xiàn)了一種情況就是數(shù)據(jù)類型，下面均以標(biāo)簽為例：?
這個(gè)是OpenCV3.0、OpenCV3.1正確的代碼：

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

下面是OpenCV 2.X 正確代碼

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

如果將OpenCV 2.X的代碼換到OpenCV 3.1、OpenCV3.0代碼會(huì)有什么樣子的結(jié)果呢？?
?
這個(gè)很熟悉吧所以，如果傻乎乎的換，這個(gè)是行不通的。?
下面對(duì)于label和labelMat按照不同的情況進(jìn)行分析。?
首先，這個(gè)labelMat和trainingMat到底能取哪幾種類型？

下面，請(qǐng)看OpenCV3.1 源碼中的一個(gè)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 );}}

為了方便起見，將這個(gè)函數(shù)的代碼的其他部分刪除了。首先解釋一下：samples就是訓(xùn)練的數(shù)據(jù)。response就是標(biāo)簽。通過上面，我們知道再來用Mat的時(shí)候，只能用CV_32F和CV_32S。所以說，如果這些矩陣不能寫什么CV_8UC1之類的了，這個(gè)是錯(cuò)誤的。

假設(shè)我們寫其他的情況，比如

label為int，labelsMat為CV_32SC1

這個(gè)是正確的。

label為float，labelsMat為CV_32FC1

這個(gè)會(huì)出現(xiàn)錯(cuò)誤，這個(gè)我還沒有分析出來是什么原因。錯(cuò)誤的截圖如下：。?
下面的錯(cuò)誤均表示為截圖所示的錯(cuò)誤。

label為int，labelsMat為CV_32FC1

同樣的，這個(gè)是錯(cuò)誤。當(dāng)我們用Imagewatch插件去觀察labelsMat的值的時(shí)候發(fā)現(xiàn)這個(gè)labelsMat的值為。好吧，這個(gè)很明顯了。

label為float，labelsMat為CV_32SC1

這個(gè)是可以運(yùn)行的，但是結(jié)果肯定是錯(cuò)誤的。同樣的，值不對(duì)。

總結(jié)

以上是生活随笔為你收集整理的OpenCV3.0或OpenCV3.1的SVM操作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。

操作
SVM

上一篇： C/C++结构体struct 与结构体数
下一篇： OpenCV FileStorage类的