63

我在阅读图像、提取训练特征以及使用 SVM 对 OpenCV 中的新图像进行测试时遇到困难。有人可以指点我一个很好的链接吗？我看过OpenCV Introduction to Support Vector Machines。但它对阅读图像没有帮助，我不知道如何合并它。

我的目标是对图像中的像素进行分类。这些像素将属于一条曲线。我理解形成训练矩阵（例如，图像 A 1,1 1,2 1,3 1,4 1,5 2,1 2,2 2,3 2,4 2,5 3,1 3,2 3， 3 3,4 3,5

我会将我的训练矩阵形成为 [3][2]={ {1,1} {1,2} {1,3} {1,4} {1,5} {2,1} ..{} }

但是，我对标签有点困惑。根据我的理解，我必须指定训练矩阵中的哪一行（图像）对应，对应于曲线或非曲线。但是，如果有一些像素属于曲线而一些不属于曲线，我该如何标记训练矩阵行（图像）。例如，我的训练矩阵是 [3][2]={ {1,1} {1,2} {1,3} {1,4} {1,5} {2,1} ..{} } ，像素 {1,1} 和 {1,4} 属于曲线，但其余不属于。

4

1 回答 1

219

我最近不得不处理这个问题，这就是我最终让 SVM 为图像工作所做的事情。

要在一组图像上训练 SVM，首先必须为 SVM 构建训练矩阵。该矩阵指定如下：矩阵的每一行对应一个图像，该行中的每个元素对应于该类的一个特征——在这种情况下，是某个点的像素颜色。由于您的图像是二维的，因此您需要将它们转换为一维矩阵。每行的长度将是图像的区域（注意图像必须是相同的大小）。

假设您想在 5 个不同的图像上训练 SVM，每个图像都是 4x3 像素。首先，您必须初始化训练矩阵。矩阵中的行数为 5，列数为图像的面积，4*3 = 12。

int num_files = 5;
int img_area = 4*3;
Mat training_mat(num_files,img_area,CV_32FC1);

理想情况下，num_files不会img_area被硬编码，而是通过遍历目录并计算图像数量并获取图像的实际区域来获得。

下一步是training_mat用每个图像的数据“填充”行。以下是此映射如何适用于一行的示例。

将 2D 图像矩阵转换为 1D 矩阵

我已经用它应该在训练矩阵中相应行中的位置对图像矩阵的每个元素进行了编号。例如，如果那是第三张图像，这将是训练矩阵中的第三行。

您必须遍历每个图像并相应地设置输出矩阵中的值。这是多个图像的示例：

具有多个图像的训练矩阵

至于如何在代码中执行此操作，您可以使用reshape()，但由于矩阵不连续，我遇到了问题。根据我的经验，我做过这样的事情：

Mat img_mat = imread(imgname,0); // I used 0 for greyscale
int ii = 0; // Current column in training_mat
for (int i = 0; i<img_mat.rows; i++) {
    for (int j = 0; j < img_mat.cols; j++) {
        training_mat.at<float>(file_num,ii++) = img_mat.at<uchar>(i,j);
    }
}

对每个训练图像执行此操作（记住要递增file_num）。在此之后，您应该正确设置训练矩阵以传递给 SVM 函数。其余步骤应该与网上的示例非常相似。

请注意，在执行此操作时，您还必须为每个训练图像设置标签。因此，例如，如果您根据图像对眼睛和非眼睛进行分类，则需要指定训练矩阵中的哪一行对应于眼睛和非眼睛。这被指定为一维矩阵，其中一维矩阵中的每个元素对应于二维矩阵中的每一行。为每个类别选择值（例如，-1 表示非眼睛，1 表示眼睛）并将它们设置在标签矩阵中。

Mat labels(num_files,1,CV_32FC1);

因此，如果该labels矩阵中的第 3 个元素为 -1，则表示训练矩阵中的第 3 行属于“非眼睛”类。您可以在评估每个图像的循环中设置这些值。您可以做的一件事是将训练数据分类到每个类的单独目录中，并遍历每个目录中的图像，并根据目录设置标签。

接下来要做的是设置您的 SVM 参数。这些值会因您的项目而异，但基本上您会声明一个CvSVMParams对象并设置值：

CvSVMParams params;
params.svm_type = CvSVM::C_SVC;
params.kernel_type = CvSVM::POLY;
params.gamma = 3;
// ...etc

网上有几个关于如何设置这些参数的例子，就像你在问题中发布的链接一样。

接下来，您创建一个CvSVM对象并根据您的数据对其进行训练！

CvSVM svm;
svm.train(training_mat, labels, Mat(), Mat(), params);

根据您拥有的数据量，这可能需要很长时间。但是，在它完成训练之后，您可以保存经过训练的 SVM，这样您就不必每次都重新训练它。

svm.save("svm_filename"); // saving
svm.load("svm_filename"); // loading

要使用经过训练的 SVM 测试您的图像，只需读取图像，将其转换为一维矩阵，然后将其传递给svm.predict()：

svm.predict(img_mat_1d);

它将根据您设置的标签返回一个值（例如，-1 或 1，基于我上面的眼睛/非眼睛示例）。或者，如果您想一次测试多个图像，您可以创建一个与之前定义的训练矩阵具有相同格式的矩阵，并将其作为参数传递。但是，返回值会有所不同。

祝你好运！

于 2013-02-04T21:53:20.683 回答