本文主要向大家介绍了机器学习入门之OpenCV机器学习库函数--SVM，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

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 = 512, height = 512;
    Mat image = Mat::zeros(height, width, CV_8UC3);  //创建窗口可视化

    // 设置训练数据
    int labels[10] = { 1, -1, 1, 1,-1,1,-1,1,-1,-1 };
    Mat labelsMat(10, 1, CV_32SC1, labels);

    float trainingData[10][2] = { { 501, 150 }, { 255, 10 }, { 501, 255 }, { 10, 501 }, { 25, 80 },
    { 150, 300 }, { 77, 200 } , { 300, 300 } , { 45, 250 } , { 200, 200 } };
    Mat trainingDataMat(10, 2, CV_32FC1, trainingData);

    // 创建分类器并设置参数
    Ptr model =SVM::create();
    model->setType(SVM::C_SVC);  
    model->setKernel(SVM::LINEAR);  //核函数

    //设置训练数据 
    Ptr tData =TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);

    // 训练分类器
    model->train(tData);

    Vec3b green(0, 255, 0), blue(255, 0, 0);
    // Show the decision regions given by the SVM
    for (int i = 0; i < image.rows; ++i)
    for (int j = 0; j < image.cols; ++j)
    {
        Mat sampleMat = (Mat_(1, 2) << j, i);  //生成测试数据
        float response = model->predict(sampleMat);  //进行预测，返回1或-1

        if (response == 1)
            image.at(i, j) = green;
        else if (response == -1)
            image.at(i, j) = blue;
    }

    // 显示训练数据
    int thickness = -1;
    int lineType = 8;
    Scalar c1 = Scalar::all(0); //标记为1的显示成黑点
    Scalar c2 = Scalar::all(255); //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 = 0; i < labelsMat.rows; i++)
    {
        const float* v = trainingDataMat.ptr(i); //取出每行的头指针
        Point pt = Point((int)v[0], (int)v[1]);
        if (labels[i] == 1)
            circle(image, pt, 5, c1, thickness, lineType); 
        else
            circle(image, pt, 5, c2, thickness, lineType);
        
    }

    imshow("SVM Simple Example", image); 
    waitKey(0);

}

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::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

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！