OpenCV机器学习SVM支持向量机的分类程序.docx

1. /利用SVM解决2维空间向量的3级分类问题 2. 3. #includestdafx.h 4. 5. #includecv.h 6. #includehighgui.h 7. 8. #include 9. #include 10. 11. #include 12. 13. #include 14. usingnamespacestd;15. 16. intmain(intargc,char*argv)17. 18. intsize=400;/图像的长度和宽度 19. constints=100;/试验点个数（可更改！） 20. inti,j,sv_num;21. IplImage*img;22. CvSVMsvm=CvSVM();/ 23. CvSVMParamsparam;24. CvTermCriteriacriteria;/停止迭代的标准 25. CvRNGrng=cvRNG(time(NULL);26. CvPointptss;/定义1000个点 27. floatdatas*2;/点的坐标 28. intress;/点的所属类 29. CvMatdata_mat,res_mat;30. CvScalarrcolor;31. constfloat*support;32. /(1)图像区域的确保和初始化 33. img=cvCreateImage(cvSize(size,size),IPL_DEPTH_8U,3);34. cvZero(img);35. /确保画像区域，并清0(用黑色作初始化处理)。 36. 37. /(2)学习数据的生成 38. for(i=0;i50*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. else47. if(ptsi.x200)48. cvLine(img,cvPoint(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. else53. cvLine(img,cvPoint(ptsi.x-2,ptsi.y-2),cvPoint(ptsi.x+2,ptsi.y+2),CV_RGB(0,0,255);54. cvLine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),CV_RGB(0,0,255);55. resi=3;56. 57. 58. 59. /生成2维随机训练数据，并将其值放在CvPoint数据类型的数组pts中。 60. 61. /(3)学习数据的显示 62. cvNamedWindow(SVM,CV_WINDOW_AUTOSIZE);63. cvShowImage(SVM,img);64. cvWaitKey(0);65. 66. /(4)学习参数的生成 67. for(i=0;is;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,CvSVM:RBF,10.0,8.0,1.0,10.0,0.5,0.1,NULL,criteria);75. /*76. SVM种类：CvSVM:C_SVC77. Kernel的种类：CvSVM:RBF78. degree：10.0（此次不使用）79. gamma：8.080. coef0：1.0（此次不使用）81. C：10.082. nu：0.5（此次不使用）83. p：0.1（此次不使用）84. 然后对训练数据正规化处理，并放在CvMat型的数组里。85. */86. 87. 88. /(5)SVM学习 89. svm.train(&data_mat,&res_mat,NULL,NULL,param);/ 90. /利用训练数据和确定的学习参数,进行SVM学习 91. 92. /(6)学习结果的绘图 93. for(i=0;isize;i+)94. for(j=0;jsize;j+)95. CvMatm;96. floatret=0.0;97. floata=float(j)/size,float(i)/size;98. cvInitMatHeader(&m,1,2,CV_32FC1,a);99. ret=svm.predict(&m);100. switch(int)ret)101. case1:102. rcolor=CV_RGB(100,0,0);103. break;104. case2:105. rcolor=CV_RGB(0,100,0);106. break;107. case3:108. rcolor=CV_RGB(0,0,100);109. break;110. 111. cvSet2D(img,i,j,rcolor);112. 113. 114. /为了显示学习结果，通过输入图像区域的所有像素(特征向量)并进行分类。然后对输入像素用所属等级的颜色绘图。 115. 116. /(7)训练数据的再绘制 117. for(i=0;is;i+)118. CvScalarrcolor;119. switch(resi)120. case1:121. rcolor=CV_RGB(255,0,0);122. break;123. case2:124. rcolor=CV_RGB(0,255,0);125. break;126. case3:127. 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);131. cvLine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),rcolor);132. 133. /将训练数据在结果图像上重复的绘制出来。 134. 135. /(8)支持向量的绘制 136. sv_num=svm.get_support_vector_count();137. for(i=0;isv_num;i+)138. support=svm.get_support_vector(i);139. cvCircle(img,cvPoint(int)(support0*size),(int)(support1*size),5,CV_RGB(200,200,200);140. 141. /用白色的圆圈对支持向量作标记。 142. 143. /(9)图像的显示 144. cvNamedWin