SVM学习（一）SVM模型训练与分类

最新推荐文章于 2025-07-14 13:27:21 发布

隋遥

最新推荐文章于 2025-07-14 13:27:21 发布

阅读量3.2w

点赞数 25

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： SVM OpenCV

本文链接：https://blog.youkuaiyun.com/aa997749935/article/details/88354355

SVM模型训练与分类

支持向量机（SVM）：
一个能够将不同类样本在样本空间分隔的超平面。换句话说，给定一些标记好的训练本（监督式学习），SVM算法输出一个最优化的超分隔平面。本次利用VS2015+OpenCV3.4.1实现SVM算法，完成数据集的训练，生成XML文件，然后通过调用XML文件来实现图片的识别分类。即为分三个步骤：数据集的准备、数据集的模型训练以及利用训练好的模型进行测试分类。

目的：利用SVM算法实现手写体0和1的图片的识别分类。

步骤1：数据集的准备

在OpenCV的安装路径下，搜索digits，可以得到一张图片，图片大小为1000*2000，有0-9的10个数字，每5行为一个数字，总共50行，共有5000个手写数字，每个数字块大小为20×20。下面将把这些数字中的0和1作为二分类的准备数据。其中0有500张，1有500张。
在这里插入图片描述
用下面的代码将图片准备好，在写入路径提前建立好文件夹：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
   
   
	char ad[128] = {
   
    0 };
	int  filename = 0, filenum = 0;
	Mat img = imread("F:\\Opencv3_4_1\\opencv\\sources\\samples\\data\\digits.png");
	Mat gray;
	cvtColor(img, gray, CV_BGR2GRAY);
	int b = 20;
	int m = gray.rows / b;   //原图为1000*2000
	int n = gray.cols / b;   //裁剪为5000个20*20的小图块
	for (int i = 0; i < m; i++)
	{
   
   
		int offsetRow = i*b;  //行上的偏移量
		if (i % 5 == 0 && i != 0)
		{
   
   
			filename++;
			filenum = 0;
		}
		for (int j = 0; j < n; j++)
		{
   
   
			int offsetCol = j*b; //列上的偏移量
			sprintf_s(ad, "D:\\data\\%d\\%d.jpg", filename, filenum++);
			//截取20*20的小块
			Mat tmp;
			gray(Range(offsetRow, offsetRow + b), Range(offsetCol, offsetCol + b)).copyTo(tmp);
			imwrite(ad, tmp);
		}
	}
	return 0;
}

最后可以得到这样的结果
准备好的数据
将以上图片可以进行分类成训练集和测试集，方便后期进行训练和测试。要注意：训练中的图片不包含测试集合中的图片。
在这里插入图片描述
训练数据800张，0，1各400张；测试数据200张，0，1各100张

步骤2：模型的训练

数据准备完成之后，就可以用下面的代码训练了：

#include <stdio.h>  
#include <time.h>  
#include <opencv2/opencv.hpp>  
#include <opencv/cv.h>  
#include <iostream> 
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/ml/ml.hpp>  
#include <io.h> //查找文件相关函数

using namespace std;
using namespace cv;
using namespace cv::ml;</