【opencv】教程代码 —ml （主成分分析、支持向量机、非线性支持向量机）

 1. introduction_to_pca.cpp  主成分分析

/**
 * @file introduction_to_pca.cpp
 * @brief 这个程序演示了如何使用OpenCV PCA 提取物体的方向
 * @author OpenCV团队
 */


// 包含OpenCV函数库所需要的头文件
#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <iostream> // 包含输入输出流的头文件


// 使用std和cv的命名空间，这样我们就可以直接使用它们提供的方法，不用每次都写std::和cv::
using namespace std;
using namespace cv;


// 函数声明
void drawAxis(Mat&, Point, Point, Scalar, const float);
double getOrientation(const vector<Point> &, Mat&);


/**
 * @function drawAxis
 * @brief 绘制轴线的函数
 */
void drawAxis(Mat& img, Point p, Point q, Scalar colour, const float scale = 0.2)
{
    //! [visualization1]
    // 计算以弧度为单位的角度
    double angle = atan2((double)p.y - q.y, (double)p.x - q.x); // p到q的线段角度


    // 计算p和q之间的直线的长度
    double hypotenuse = sqrt((double)(p.y - q.y) * (p.y - q.y) + (p.x - q.x) * (p.x - q.x));


    // 这里通过缩放因子来延长线段的长度
    q.x = (int)(p.x - scale * hypotenuse * cos(angle)); // 计算新的q点的x坐标
    q.y = (int)(p.y - scale * hypotenuse * sin(angle)); // 计算新的q点的y坐标


    // 绘制p点到新q点的直线，这是主线段
    line(img, p, q, colour, 1, LINE_AA);


    // 创建箭头的勾
    // 根据箭头角度计算箭头勾的端点，并绘制箭头勾的第一部分
    p.x = (int)(q.x + 9 * cos(angle + CV_PI / 4)); // 计算箭头勾的一个端点的x坐标
    p.y = (int)(q.y + 9 * sin(angle + CV_PI / 4)); // 计算箭头勾的一个端点的y坐标
    line(img, p, q, colour, 1, LINE_AA); // 绘制箭头勾的第一部分


    // 绘制箭头勾的第二部分
    p.x = (int)(q.x + 9 * cos(angle - CV_PI / 4)); // 计算箭头勾的另一个端点的x坐标
    p.y = (int)(q.y + 9 * sin(angle - CV_PI / 4)); // 计算箭头勾的另一个端点的y坐标
    line(img, p, q, colour, 1, LINE_AA); // 绘制箭头勾的第二部分
    //! [visualization1]
}


/**
 * @function getOrientation
 * @brief 获取方向的函数
 */
double getOrientation(const vector<Point> &pts, Mat &img)
{
    //! [pca]
    // 构造PCA分析使用的数据缓冲区, 每个点的x和y坐标为一行
    int sz = static_cast<int>(pts.size()); // 获取点集的大小
    Mat data_pts = Mat(sz, 2, CV_64F); // 创建Mat对象用于存储点坐标
    for (int i = 0; i < data_pts.rows; i++) // 遍历所有点
    {
        data_pts.at<double>(i, 0) = pts[i].x; // 将点的x坐标放入Mat对象
        data_pts.at<double>(i, 1) = pts[i].y; // 将点的y坐标放入Mat对象
    }


    // 执行PCA分析
    PCA pca_analysis(data_pts, Mat(), PCA::DATA_AS_ROW); // 使用点集进行PCA分析


    // 获取物体的中心点
    Point cntr = Point(static_cast<int>(pca_analysis.mean.at<double>(0, 0)), // 计算平均值点的x坐标
                      static_cast<int>(pca_analysis.mean.at<double>(0, 1))); // 计算平均值点的y坐标


    // 储存特征值和特征向量
    vector<Point2d> eigen_vecs(2); // 创建存储特征向量的向量
    vector<double> eigen_val(2); // 创建存储特征值的向量
    for (int i = 0; i < 2; i++) // 只考虑x和y坐标，因此遍历两个维度
    {
        eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at<double>(i, 0), // 获取第i个特征向量的x分量
                                pca_analysis.eigenvectors.at<double>(i, 1)); // 获取第i个特征向量的y分量


        eigen_val[i] = pca_analysis.eigenvalues.at<