使用OpenCV和SVM与图像

Question

我很难阅读图像，提取训练功能，以及使用SVM在OpenCV中测试新图像。有人可以指点我一个很棒的链接吗？我看过OpenCV Introduction to Support Vector Machines。但它对阅读图像没有帮助，我不知道如何将其合并。

---

我的目标是对图像中的像素进行分类。这些像素属于曲线。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}。 。{}}

然而，我对标签有点迷惑。根据我的理解，我必须指定训练矩阵中哪一行（图像）对应，这对应于曲线或非曲线。但是，如果有一些属于曲线的像素和一些不属于曲线的像素，我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，但其余部分不属于。

Answer 1

我最近不得不处理这个问题，这就是我最终为了让SVM为图像工作而做的事情。

要在一组图像上训练SVM，首先必须构建SVM的训练矩阵。该矩阵如下指定：矩阵的每一行对应于一个图像，并且该行中的每个元素对应于该类的一个特征 - 在这种情况下，是某个点处的像素的颜色。由于您的图像是2D，您需要将它们转换为1D矩阵。每行的长度将是图像的区域（请注意，图像的大小必须相同）。

假设你想在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和img_area不会被硬编码，而是通过循环遍历目录并计算图像数量并获取图像的实际区域来获得。

下一步是使用每张图片中的数据“填充”training_mat行。下面是此映射如何适用于一行的示例。

我已经对图像矩阵的每个元素进行了编号，它应该在训练矩阵的相应行中。例如，如果那是第三个图像，那么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。以下是多个图像的示例：

关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);
    }
}

为每个训练图像执行此操作（记住增加file_num）。在此之后，您应该正确设置训练矩阵以传递到SVM功能。其余步骤应与在线示例非常相似。

请注意，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，如果您基于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1D矩阵，其中1D矩阵中的每个元素对应于2D矩阵中的每一行。选择每个类的值（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，如果此labels矩阵中的第3个元素为-1，则表示训练矩阵中的第3行位于“非眼睛”类中。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

有几个关于如何设置这些参数的在线示例，例如您在问题中发布的链接。

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，在完成训练后，您可以保存训练有素的SVM，这样您就不必每次都重新训练。

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

要使用经过训练的SVM测试图像，只需读取图像，将其转换为1D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，如果要一次测试多个图像，可以创建一个与之前定义的训练矩阵格式相同的矩阵，并将其作为参数传递。但是，返回值会有所不同。

祝你好运！