OpenCV機器學習SVM支持向量機的分類程序

1、1./利用SVMi昆決2維空間向量的3級分類問題2.3.#include "stdafx.h"4.5.#include "cv.h"6.#include "highgui.h"7.8.#include <ML.H>9.#include <TIME.H>10.11.#include <CTYPE.H>12.13.#include <IOSTREAM>14.using namespace std;15.16.int main( int argc, char *argv)17.18.int s

2、ize = 400;/圖像的長度和寬度19.const int s = 100;/試驗點個數(shù)(可更改！ ！)20.int i, j, sv_num;21.IplImage *img;22.CvSVM svm = CvSVM();/ 23.CvSVMParams param;24.CvTermCriteria criteria;/ 停止迭代的標準25.CvRNG rng = cvRNG(time(NULL);26.CvPoint ptss;/ 定義 1000 個點27.float datas*2;/ 點的坐標28.int ress;/點的所屬類29.CvMat data_mat, res_mat

3、;30.CvScalar rcolor;31.const float *support;32./ (1)圖像區(qū)域的確保和初始化33.img= cvCreateImage(cvSize(size, size), IPL_DEPTH_8U, 3);34.cvZero(img);35./確保畫像區(qū)域，并清0(用黑色作初始化處理)。36.37./ (2) 學習數(shù)據(jù)的生成38.for (i= 0; i< s; i+) 39.ptsi.x= cvRandInt(&rng) % size;/ 用隨機整數(shù)賦值40.ptsi.y= cvRandInt(&rng) % size;41.if

4、(ptsi.y> 50 * cos(ptsi.x* CV_PI/ 100) + 200) 42.cvLine(img, cvPoint(ptsi.x- 2, ptsi.y- 2), cvPoint(ptsi.x+2, ptsi.y+ 2), CV_RGB(255, 0, 0);43.cvLine(img, cvPoint(ptsi.x+ 2, ptsi.y- 2), cvPoint(ptsi.x-2, ptsi.y+ 2), CV_RGB(255, 0, 0);44.resi = 1;45.46.else 47.if (ptsi.x> 200) 48.cvLine(img, cvP

5、oint(ptsi.x- 2, ptsi.y- 2), cvPoint(ptsi.x+ 2, ptsi.y+ 2), CV_RGB(0, 255, 0);49.cvLine(img, cvPoint(ptsi.x+ 2, ptsi.y- 2), cvPoint(ptsi.x- 2, ptsi.y+ 2), CV_RGB(0, 255, 0);50.resi = 2;51.52.else 53.cvLine(img, cvPoint(ptsi.x- 2, ptsi.y- 2), cvPoint(ptsi.x+ 2, ptsi.y+ 2), CV_RGB(0, 0, 255);54.cvLine(

6、img, cvPoint(ptsi.x+ 2, ptsi.y- 2), cvPoint(ptsi.x- 2, ptsi.y+ 2), CV_RGB(0, 0, 255);55.resi = 3;9./生成2維隨機訓練數(shù)據(jù)，并將其值放在CvPoint數(shù)據(jù)類型的數(shù)組pts 中。60.61./ (3) 學習數(shù)據(jù)的顯示62.cvNamedWindow( "SVM”, CV_WINDOW_AUTOSIZE);63.cvShowImage( "SVM”, img);64.cvWaitKey(0);65.66./ (4) 學習參數(shù)的生成67.for (i= 0; i&

7、lt; s; i+) 68.datai* 2 =float (ptsi.x) / size;69.datai* 2 + 1 =float (ptsi.y) / size;70.71.cvInitMatHeader(&data_mat, s, 2, CV_32FC1, data);72.cvInitMatHeader(&res_mat, s, 1, CV_32SC1, res);73.criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);74.param= CvSVMParams (CvSVM:C_SVC, Cv

8、SVM:RBF, 10.0, 8.0, 1.0, 10.0, 0.5,0.1, NULL, criteria);75./*76.SVM種類：CvSVM:C_SVC77.Kernel的種類：CvSVM:RBF78.degree: 10.0 (此次不使用)79.gamma: 8.080.coef0: 1.0 (此次不使用)00020

9、.121.122.123.C: 10.0nu : 0.5 （此次不使用）p: 0.1 （此次不使用）然后對訓練數(shù)據(jù)正規(guī)化處理，并放在CvMat型的數(shù)組里*/ (5)SVM 學習svm.train(&data_mat, &res_mat, NULL, NULL, param);/ / 利用訓練數(shù)據(jù)和確定的學習參數(shù)，進行SVM學習/ (6)學習結果的繪圖for (i= 0; i< size; i+) for (j= 0; j< size; j+) CvMat m;float ret = 0.0;float a = float (j) / size, float (i)

10、/ size ;cvInitMatHeader(&m, 1,2, CV_32FC1, a);ret= svm.predict(&m);switch ( int ) ret) case 1:rcolor= CV_RGB(100, 0, 0);break ;case 2:rcolor= CV_RGB(0, 100, 0);break ;case 3:rcolor= CV_RGB(0, 0, 100);break ;cvSet2D(img, i, j, rcolor);/為了顯示學習結果，通過輸入圖像區(qū)域的所有像素(特征向量)并進行分類。然后對輸入像素用所屬等級的顏色繪圖。/ (7)

11、 訓練數(shù)據(jù)的再繪制for (i= 0; i< s; i+) CvScalar rcolor;switch (resi) case 1:rcolor= CV_RGB(255, 0, 0);break ;case 2:124.rcolor= CV_RGB(0, 255, 0);125. break ;126. case 3:127. rcolor=CV_RGB(0, 0, 255);128. break ;129. 130. cvLine(img, cvPoint(ptsi.x- 2, ptsi.y- 2), cvPoint(ptsi.x+ 2, ptsi.y+ 2), rcolor);13

12、1. cvLine(img, cvPoint(ptsi.x+ 2, ptsi.y- 2), cvPoint(ptsi.x- 2, ptsi.y+ 2), rcolor);132. 133. /將訓練數(shù)據(jù)在結果圖像上重復的繪制出來。134.134. / (8) 支持向量的繪制135. sv_num= svm.get_support_vector_count();136. for (i= 0; i< sv_num; i+) 137. support = svm.get_support_vector(i);int ) (support1 *138. cvCircle(img, cvPoint(int ) (support0 * size),(size), 5, CV_RGB(200, 200, 200);139. 140. /用白色的圓圈對支持向量作標記。142.141. / (9) 圖像的顯示142. cvNamedWindow( "SVM",