opencv系列之机器学习（ml）

最新推荐文章于 2025-03-21 10:12:11 发布

zhanghenan123

最新推荐文章于 2025-03-21 10:12:11 发布

阅读量4.2k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： opencv python C++

本文链接：https://blog.youkuaiyun.com/zhanghenan123/article/details/82631594

本文聚焦于OpenCV的机器学习模块（ML），特别是支持向量机（SVM）的应用。在Python和C++环境中，详细介绍了如何生成训练数据、进行训练以及执行测试。对于Python，训练数据按类别命名，每个类别文件包含对应类别的样本。然后，使用这些数据进行SVM训练和测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（版本为3.4.0）

opencv官方api文档：https://docs.opencv.org/

ml模块的svm操作：

python版本

1、生成训练数据

训练文件分别以类标签为文件名，里面存放对应的类文件

def generate_data(self,file_dir):
    train_data= []
    train_labels = []
    if os.path.exists(file_dir):
        file_list = os.listdir(file_dir)
        for fl in file_list:
            class_dir = os.path.join(file_dir,fl)
            if os.path.isdir(class_dir):
                filenames = os.listdir(class_dir)
                for f in filenames: 
                img_name = os.path.join(class_dir,f)
                img = cv2.imread(img_name)
                img = cv2.resize(img,self.resize,interpolation=cv2.INTER_CUBIC)
                new_img = img.reshape((1,self.resize[0]*self.resize[1]*3))
                train_data.append(new_img[0])
                train_labels .append(int(fl))
    return (train_data,train_labels )

2、训练

def svmtrain(train_data,train_labels):
        # 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)  
        train = np.array(train_data,np.float32)
        train_labels = np.array(train_labels,np.int32)
        train_labels = train_labels.reshape((train_labels.size,1))
        # 训练  
        ret = svm.train(train, cv2.ml.ROW_SAMPLE, train_labels) 
        svm.save("svm_data.dat")

3、测试