OpenCV机器学习库函数--SVM

svm分类算法在opencv3中有了很大的变动，取消了CvSVMParams这个类，因此在参数设定上会有些改变。

opencv中的svm分类代码，来源于libsvm。

#include "opencv2/opencv.hpp"
using namespace cv;
using namespace cv::ml;
 
int main(int, char**)
{
    int width = , height = ;
    Mat image = Mat::zeros(height, width, CV_8UC3);  //创建窗口可视化
 
    // 设置训练数据
    int labels[] = { , -, , ,-,,-,,-,- };
    Mat labelsMat(, , CV_32SC1, labels);
 
    float trainingData[][] = { { ,  }, { ,  }, { ,  }, { ,  }, { ,  },
    { ,  }, { ,  } , { ,  } , { ,  } , { ,  } };
    Mat trainingDataMat(, , CV_32FC1, trainingData);
 
    // 创建分类器并设置参数
    Ptr<SVM> model =SVM::create();
    model->setType(SVM::C_SVC);
    model->setKernel(SVM::LINEAR);  //核函数
 
    //设置训练数据
    Ptr<TrainData> tData =TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);
 
    // 训练分类器
    model->train(tData);
 
    Vec3b green(, , ), blue(, , );
    // Show the decision regions given by the SVM
    for (int i = ; i < image.rows; ++i)
    for (int j = ; j < image.cols; ++j)
    {
        Mat sampleMat = (Mat_<float>(, ) << j, i);  //生成测试数据
        float response = model->predict(sampleMat);  //进行预测，返回1或-1
 
        if (response == )
            image.at<Vec3b>(i, j) = green;
        else if (response == -)
            image.at<Vec3b>(i, j) = blue;
    }
 
    // 显示训练数据
    int thickness = -;
    int lineType = ;
    Scalar c1 = Scalar::all(); //标记为1的显示成黑点
    Scalar c2 = Scalar::all(); //标记成-1的显示成白点
    //绘图时，先宽后高，对应先列后行
    for (int i = ; i < labelsMat.rows; i++)
    {
        const float* v = trainingDataMat.ptr<float>(i); //取出每行的头指针
        Point pt = Point((int)v[], (int)v[]);
        if (labels[i] == )
            circle(image, pt, , c1, thickness, lineType);
        else
            circle(image, pt, , c2, thickness, lineType);
 
    }
 
    imshow("SVM Simple Example", image);
    waitKey();
 
}

结果：

如果只是简单的点分类，svm的参数设置就这么两行就行了，但如果是其它更为复杂的分类，则需要设置更多的参数。

Ptr<SVM> svm = SVM::create();    //创建一个分类器
svm->setType(SVM::C_SVC);    //设置svm类型

由于opencv中的svm分类算法是根据libsvm改写而来的，libsvm是台湾一学者编写的matlab版本的svm算法，所以参数的设定的也大致相同。svm类型除了C_SVC之外，还有NU_SVC,ONE_CLASS,EPS_SVR,NU_SVR.

还有其它的参数，如

 svm->setKernel(SVM::POLY); //设置核函数;
    svm->setDegree(0.5);
    svm->setGamma(1);
    svm->setCoef0(1);
    svm->setNu(0.5);
    svm->setP(0);
    svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 1000, 0.01));
    svm->setC(C);

如果前面svm类型选择的不同，后面的参数设置也不同，具体的设置可以了解一下libsvm的参数设置。具体介绍可参照 ：libsvm参数说明

setTermCriteria是用来设置算法的终止条件， SVM训练的过程就是一个通过 迭代 方式解决约束条件下的二次优化问题，这里我们指定一个最大迭代次数和容许误差，以允许算法在适当的
条件下停止计算

参考： 在opencv3中实现机器学习之：利用svm(支持向量机)分类

支持向量机(SVM)介绍  （opencv教程）