OpenCV的支持向量机SVM的程序

步骤：
1，生成随机的点，并按一定的空间分布将其归类
2，创建SVM并利用随机点样本进行训练
3，将整个空间按SVM分类结果进行划分，并显示支持向量

[cpp] view plaincopy

#include "stdafx.h"
#include <opencv2/opencv.hpp>
void drawCross(Mat &img, Point center, Scalar color)
{
int col = center.x > 2 ? center.x : 2;
int row = center.y> 2 ? center.y : 2;
line(img, Point(col -2, row - 2), Point(col + 2, row + 2), color);
line(img, Point(col + 2, row - 2), Point(col - 2, row + 2), color);
}
int newSvmTest(int rows, int cols, int testCount)
{
if(testCount > rows * cols)
return 0;
Mat img = Mat::zeros(rows, cols, CV_8UC3);
Mat testPoint = Mat::zeros(rows, cols, CV_8UC1);
Mat data = Mat::zeros(testCount, 2, CV_32FC1);
Mat res = Mat::zeros(testCount, 1, CV_32SC1);
//Create random test points
for (int i= 0; i< testCount; i++)
{
int row = rand() % rows;
int col = rand() % cols;
if(testPoint.at<unsigned char>(row, col) == 0)
{
testPoint.at<unsigned char>(row, col) = 1;
data.at<float>(i, 0) = float (col) / cols;
data.at<float>(i, 1) = float (row) / rows;
}
else
{
i--;
continue;
}
if (row > ( 50 * cos(col * CV_PI/ 100) + 200) )
{
drawCross(img, Point(col, row), CV_RGB(255, 0, 0));
res.at<unsigned int>(i, 0) = 1;
}
else
{
if (col > 200)
{
drawCross(img, Point(col, row), CV_RGB(0, 255, 0));
res.at<unsigned int>(i, 0) = 2;
}
else
{
drawCross(img, Point(col, row), CV_RGB(0, 0, 255));
res.at<unsigned int>(i, 0) = 3;
}
}
}
//Show test points
imshow("dst", img);
waitKey(0);
/START SVM TRAINNING//
CvSVM svm = CvSVM();
CvSVMParams param;
CvTermCriteria criteria;
criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);
param= CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);
svm.train(data, res, Mat(), Mat(), param);
for (int i= 0; i< rows; i++)
{
for (int j= 0; j< cols; j++)
{
Mat m = Mat::zeros(1, 2, CV_32FC1);
m.at<float>(0,0) = float (j) / cols;
m.at<float>(0,1) = float (i) / rows;
float ret = 0.0;
ret = svm.predict(m);
Scalar rcolor;
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;
}
line(img, Point(j,i), Point(j,i), rcolor);
}
}
imshow("dst", img);
waitKey(0);
//Show support vectors
int sv_num= svm.get_support_vector_count();
for (int i= 0; i< sv_num; i++)
{
const float* support = svm.get_support_vector(i);
circle(img, Point((int) (support[0] * cols), (int) (support[1] * rows)), 5, CV_RGB(200, 200, 200));
}
imshow("dst", img);
waitKey(0);
return 0;
}
int main(int argc, char** argv)
{
return newSvmTest(400, 600, 100);
}

学习样本：

分类：

支持向量：

OpenCV的支持向量机SVM的程序相关推荐

Python，OpenCV基于支持向量机SVM的手写数字OCR
Python,OpenCV基于支持向量机SVM的手写数字OCR 1. 效果图 2. SVM及原理 2. 源码 2.1 SVM的手写数字OCR 2.2 非线性SVM 参考上一节介绍了基于KNN的手写数 ...
[C++/Learning] 基于SMO的非线性支持向量机(SVM)可视化程序（附代码）
前段时间一直准备在期末考试(竟然连着近2个月!),完全没时间捣鼓这些小玩意儿.现在准备过年终于有时间写代码了~.于是我就写了这样的一个SVM可视化程序来练练手. 这篇文章将提供基于smo求解SVM问题 ...
【opencv机器学习】支持向量机SVM的程序
转载来源于 http://blog.csdn.net/firefight/article/details/6400060 为了学习OPENCV SVM分类器, 参考网上的"利用SVM解决2维 ...
OpenCV的HOG+SVM训练程序注意事项
关于训练程序我封装了一份,大家可以参考一下 http://download.csdn.net/detail/xidianzhimeng/8270413 样本的配置与OpenCV训练Adaboost的类 ...
OpenCV之ml 模块. 机器学习：支持向量机(SVM)介绍支持向量机对线性不可分数据的处理
支持向量机(SVM)介绍目标本文档尝试解答如下问题: 如何使用OpenCV函数 CvSVM::train 训练一个SVM分类器, 以及用 CvSVM::predict 测试训练结果. 什么是支持向 ...
OpenCV支持向量机SVM用于非线性可分离数据
OpenCV支持向量机SVM用于非线性可分离数据支持向量机SVM用于非线性可分离数据目标动机Motivation 优化问题的扩展源代码解释设置训练数据设置SVM的参数训练SVM 显示决 ...
OpenCV支持向量机SVM的实例(附完整代码)
OpenCV支持向量机SVM的实例 OpenCV支持向量机SVM的实例 OpenCV支持向量机SVM的实例 #include <opencv2/core.hpp> #include < ...
OpenCV支持向量机SVM和SDG算法的实例(附完整代码)
OpenCV支持向量机SVM和SDG算法的实例 OpenCV支持向量机SVM和SDG算法的实例 OpenCV支持向量机SVM和SDG算法的实例 #include "opencv2/core. ...
OpenCV支持向量机SVM简介
OpenCV支持向量机SVM简介支持向量机SVM简介目标什么是SVM? 最佳超平面如何计算? 源代码解释设置训练数据设置SVM的参数由SVM分类的区域支持向量结果支持向量机SVM简 ...

OpenCV的支持向量机SVM的程序

OpenCV的支持向量机SVM的程序相关推荐

最新文章

热门文章