OpenCV机器学习SVM支持向量机的分类程序

1、1. /利用 svm 解决 2 维空间向量的3 级分类问题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 size = 400;

2、/图像的长度和宽度19. const int s = 100;/试验点个数（可更改！）20. int i, j, sv_num;21. iplimage *img;22. cvsvm svm = cvsvm();/23. cvsvmparams param;24. cvtermcriteria criteria;/停止迭代的标准25. cvrng rng = cvrng(time(null);26. cvpoint ptss;/定义 1000 个点27. float datas*2;/点的坐标28. int ress;/点的所属类29. cvmat data_mat, res_mat;30.

3、cvscalar rcolor;31. const float *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; i< s; i+) 39. ptsi.x= cvrandint(&rng) % size;/用随机整数赋值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(im

5、g, 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. else 53. cvline(img, cvpoint(ptsi.x- 2, ptsi.y- 2), cvpoint(ptsi.x+ 2, ptsi.y+ 2), cv_rgb(0, 0, 255);5

6、4. 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; i&l

7、t; 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, c

8、vsvm: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, n

9、ull, 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; i< size; i+) 94.for (j= 0; j< size; j+) 95. cvmat m;96. float ret = 0.0;97. float a = float (j) / size, float (i) / size ;98.cvinitmatheader(&m, 1, 2, cv_32fc1, a);99.ret= svm.predict(&m);100.switch (int) r

10、et) 101.case 1:102.rcolor= cv_rgb(100, 0, 0);103.break;104.case 2:105.rcolor= cv_rgb(0, 100, 0);106.break;107.case 3:108.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全部像素(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; i< s

11、; i+) 118.cvscalar rcolor;119.switch (resi) 120.case 1:121.rcolor= cv_rgb(255, 0, 0);122.break;123.case 2:ptsi.y+ 2), rcolor);131.cvline(img, cvpoint(ptsi.x+ 2, ptsi.y- 2), cvpoint(ptsi.x- 2, ptsi.y+ 2), rcolor);140.141.142.143.144.145.146.147.148.149.150.size), 5, cv_rgb(200, 200, 200);/用白色的圆圈对支持向量

12、作标记。/ (9)图像的显示cvnamedwindow(“svm“, cv_window_autosize); cvshowimage(“svm“, img);cvwaitkey(0); cvdestroywindow(“svm“); cvreleaseimage(&img); return 0;/显示实际处理结果的图像，直到某个键被按下为止。151.124.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+ 2,132.133./将训练数据在结果图像上重复的绘制出来。134.135./