OpenCV中使用SVM简介 PAK FA T

下面这是opencv官方文档中的代码，我加了一部分注释：

#include "stdafx.h"
#include "opencv2/core/core.hpp"
#include "highgui.h"
#include "ml.h"

using namespace cv;

int _tmain(int argc, _TCHAR* argv[])
{
    // 
    int width = 512, height = 512;
    Mat image = Mat::zeros(height, width, CV_8UC3);

    // set up training data
    float labels[4] = {1.0, 1.0, -1.0, -1.0};
    Mat labelsMat(4, 1, CV_32FC1, labels);

    float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} };
    Mat trainingDataMat(4, 2, CV_32FC1, trainingData);

    // set up SVM's parameters,具体参数设置请看下文
    CvSVMParams params;
    params.svm_type        = CvSVM::C_SVC;
    params.kernel_type    = CvSVM::LINEAR;
    params.term_crit    = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

    // train the svm
    CvSVM SVM;
    SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);

    Vec3b green(0,255,0), blue(255,0,0);

    // show the decision region given by the SVM
    for (int i = 0; i < image.rows; ++ i)
    {
        for (int j = 0; j < image.cols; ++ j)
        {
            Mat sampleMat = (Mat_<float>(1,2) << i,j);

            // predict 函数使用训练好的SVM模型对一个输入的样本进行分类
            float response = SVM.predict(sampleMat);

            if (response == 1)
            {
                // 注意这里是(j,i),不是(i,j)
                image.at<Vec3b>(j,i) = green;
            }
            else
            {
                // 同上
                image.at<Vec3b>(j,i) = blue;
            }
        }
    }

    int thickness = -1;
    int lineType = 8;

    circle(image, Point(501,  10), 5, Scalar(  0,  0,  0), thickness, lineType);
    circle(image, Point(255,  10), 5, Scalar(  0,  0,  0), thickness, lineType);
    circle(image, Point(501, 255), 5, Scalar(255,255,255), thickness, lineType);
    circle(image, Point( 10, 501), 5, Scalar(255,255,255), thickness, lineType);

    // show support vectors
    thickness = 2;
    lineType = 8;

    // 获得当前的支持向量的个数
    int c = SVM.get_support_vector_count();

    for (int i = 0; i < c; ++ i)
    {
        const float* v = SVM.get_support_vector(i);
        circle( image, Point( (int) v[0], (int) v[1]), 6, Scalar(128, 128, 128), thickness, lineType);
    }

    imwrite("result.png", image); // save the image

    imshow("SVM Simple Example", image); // show it to the user
    waitKey(0);
    return 0;
}

这里说一下CvSVMParams中的参数设置

CV_SVM 中的参数设置

svm_type:
    CvSVM::C_SVC        C-SVC
    CvSVM::NU_SVC       v-SVC
    SvSVM::ONE_CLASS    一类SVM
    CvSVM::EPS_SVR      e-SVR
    CvSVM::NU_SVR       v-SVR
    
kernel_type:
    CvSVM::LINEAR       线性：u*v
    CvSVM::POLY　　      多项式(r*u'v + coef0)^degree
    CvSVM::RBF          RBF函数: exp(-r|u-v|^2)
    CvSVM::SIGMOID      sigmoid函数: tanh(r*u'v + coef0)
    
成员变量
degree：        针对多项式核函数degree的设置
gamma：         针对多项式/rbf/sigmoid核函数的设置
coef0：         针对多项式/sigmoid核函数的设置
Cvalue：        为损失函数，在C-SVC、e-SVR、v-SVR中有效
nu：            设置v-SVC、一类SVM和v-SVR参数
p：             为设置e-SVR中损失函数的值
class_weights： C_SVC的权重
term_crit：     为SVM训练过程的终止条件。
                其中默认值   degree = 0，
                            gamma = 1，
                            coef0 = 0，
                            Cvalue = 1，
                            nu = 0，
                            p = 0，
                            class_weights = 0