svm应用范例，采用svm实现图片的分…

两个程序，第一个用于训练，第二个用于决策，输入需为2值图像

//============================================================================

// Name        : my_svm.cpp

// Author      : guo

// Version     : 0.0

// Copyright   : njupt zynq

// Description : svm train

// date       : 2013.5.26

//============================================================================

#include

#include

#include

#include

#include

using namespace std;

#define N1 50

#define N2 50

//float *wheight,float empty*,float * disper

/// float data[N1*3];

void feature(IplImage *img,float *data,int i)

{

IplImage *edge;

float total=(img->width)*(img->height);//图像总面积

// cvNamedWindow("image3",1);

// cvShowImage("image3",edge);

cout<<i<<"  : 高宽比="<<data[i*3]<<"  占空比="<<data[i*3+1]<<" 分散度="<<data[i*3+2]<<endl;

cvReleaseImage(&img);

}

int main(int argc,char** argv)

{

IplImage * img;

    float data[(N1+N2)*3];

  //  float data2[N2*3];

    //svm变量

     CvSVM svm = CvSVM ();

     CvSVMParams param;

     CvTermCriteria criteria;//停止迭代的标准

     int res[N1+N2];

     CvMat data_mat, res_mat;

     char path[30]="/home/guo/pic_car/0000000.jpg";

    for(int i=0;i

     {

    path[24]=i+'0';

    path[23]=i0/10+'0';

    path[22]=i00/100+'0';

    path[21]=i000/1000+'0';

    img=cvLoadImage(path,0);

    feature(img,data,i);

    res[i]=0;

     }

    //读取文件

    path[14]='p';

    path[15]='e';

    path[16]='o';

    for(int j=0;j

     {

    path[24]=j+'0';

    path[23]=j0/10+'0';

    path[22]=j00/100+'0';

    path[21]=j000/1000+'0';

    img=cvLoadImage(path,0);

    feature(img,data,j+N1);

    res[N1+j]=1;

     }

//数据准备

cvInitMatHeader (&data_mat, (N1+N2), 3, CV_32FC1, data);//Initializes a pre-allocated matrix header.s行2列的cvMAT矩阵

cvInitMatHeader (&res_mat, (N1+N2), 1, CV_32SC1, res);//将各组数据所属分类拍成1列

// 学習参数的生成

criteria = cvTermCriteria (CV_TERMCRIT_EPS, 1000, FLT_EPSILON);//迭代终止条件

param = CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);

// SVMの学習

svm.train (&data_mat, &res_mat, NULL, NULL, param);

    svm.save ("svm_image.xml");

 

//   cvWaitKey (0);

return 0;

}

//============================================================================

// Name        : svm.cpp

// Author      : guo

// Version     : 0.0

// Copyright   : njupt

// Description : svm predict

// date       : 2013.5.27

//============================================================================

#include

#include

#include

#include

#include

using namespace std;

void getfeature(IplImage *img,float *data,int i)

{

IplImage *edge;

float total=(img->width)*(img->height);//图像总面积

//这里写你自己获取图像特征的代码，此程序框架采用三个特征

cout<<i<<"  : 高宽比="<<data[i*3]<<"  占空比="<<data[i*3+1]<<" 分散度="<<data[i*3+2]<<endl;

cvReleaseImage(&img);

}

int main (int argc, char **argv)

{

CvSVM svm = CvSVM ();

IplImage *img;

 svm.load("svm_image.xml");

 float *a=new float[3];

   img=cvLoadImage("/home/guo/pic_peo/0000034.jpg",0);

   CvMat m;

   getfeature(img,a,0);

   cvInitMatHeader (&m, 1, 3, CV_32FC1, a);

   float r = svm.predict (&m);

   cout<<"分类"<<r<<endl;

   cvWaitKey (0);

   return 0;

}