opencv分类算法实例

前者介绍了特征向量的提取，提取的特征可用于分类算法。分类算法的具体实施一般为训练和分类两部分。

一、OpenCV原函数：

1、训练函数

virtualbool train(const cv::Mat& trainData, int tflag,

                      const cv::Mat& responses,const cv::Mat& varIdx=cv::Mat(),

                      const cv::Mat& sampleIdx=cv::Mat(),const cv::Mat& varType=cv::Mat(),

                      const cv::Mat& missingDataMask=cv::Mat(),

                      CvRTParams params=CvRTParams() );

trainData 训练数据，特征向量集合
tflag  trainData的排列结构
 -- CV_ROW_SAMPLE 行排列
 -- CV_COL_SAMPLE 列排列
responses 训练数据：对于分类问题，responses是类标签
varIdx 定义感兴趣的变量，变量中的某些，传null表示全部
sampleIdx 定义感兴趣的样本，样本中的某些，传null表示全部
varType 定义responses的类型
 -- CV_VAR_CATEGORICAL分类标签
 -- CV_VAR_ORDERED（CV_VAR_NUMERICAL）数值，用于回归问题
missingDataMask 定义缺失数据，和train_data一样大的8位Mat
params