（openCV 十）ML_SVM

最新推荐文章于 2025-06-02 19:47:25 发布

原创

最新推荐文章于 2025-06-02 19:47:25 发布 · 2.2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#ML #SVM

本文深入探讨了如何使用OpenCV库中的机器学习模块（ML）实现支持向量机（SVM）。通过实例讲解了SVM的训练过程、参数调整以及在图像分类中的应用，为读者提供了理解SVM在计算机视觉领域的实践指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 训练的点数
train_pts = 30

# 创建测试的数据点，2类
# 以(-1.5, -1.5)为中心
rand1 = np.ones((train_pts,2)) * (-2) + np.random.rand(train_pts, 2)
print('rand1：')
print(rand1)

# 以(1.5, 1.5)为中心
rand2 = np.ones((train_pts,2)) + np.random.rand(train_pts, 2)
print('rand2:')
print(rand2)

# 合并随机点，得到训练数据
train_data = np.vstack((rand1, rand2))
train_data = np.array(train_data, dtype='float32')
train_label = np.vstack( (np.zeros((train_pts,1), dtype='int32'), np.ones((train_pts,1), dtype='int32')))

# 显示训练数据
plt.figure(1)
plt.plot(rand1[:,0], rand1[:,1], 'go')
plt.plot(rand2[:,0], rand2[:,1], 'ro')
plt.show()

# 创建分类器
svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)  # SVM类型
svm.setKernel(cv2.ml.SVM_LINEAR) # 使用线性核
svm.setC(1.0)

# 训练
ret = svm.train(train_data, cv2.ml.ROW_SAMPLE, train_label)

# 测试数据，20个点[-2,2]
pt = np.array(np.random.rand(20,2) * 4 - 2, dtype='float32')
(ret, res) = svm.predict(pt)
print(