我在使用OpenCV和SVM进行图像读取、特征提取、训练和测试时遇到了困难。请问有什么好的链接可以指导我吗？我已经查看了OpenCV介绍支持向量机，但它没有帮助我读取图片，也不确定如何将其应用。
我的目标是对图像中的像素进行分类。这些像素属于曲线。我理解如何构造训练矩阵（例如，image 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），我会将训练矩阵形成为[3][2]={ {1,1} {1,2} {1,3} {1,4} {1,5} {2,1} ..{} }.
然而，我有点困惑标签的问题。据我理解，我必须指定训练矩阵中哪一行（图像）对应于一个曲线或非曲线。但是，如果一个训练矩阵行（图像）中有一些像素属于曲线，而另一些不属于曲线，那么我该如何标记它呢？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，但其他像素不属于。
最近我也遇到了这个问题，以下是我为了让SVM能够处理图像而采取的方法。
要在一组图像上训练你的SVM，首先你需要构建SVM的训练矩阵。这个矩阵的规格如下：矩阵的每一行对应一个图像，该行中的每个元素都对应于该类别的一个特征--在这种情况下，是某个点的像素颜色。由于你的图像是二维的，所以你需要将它们转换成一个一维矩阵。每行的长度将是图像的面积（注意图像必须是相同大小的）。
假设你想在5张不同的图片上训练SVM，每张图片都是4x3像素。首先，你需要初始化训练矩阵。矩阵的行数将是5，列数将是图像的面积，即4*3 = 12。
int num_files = 5;
int img_area = 4*3;
Mat training_mat(num_files,img_area,CV_32FC1);
num_files和img_area不应该是硬编码的，而是通过循环遍历目录并计算图像数量以及获取实际图像面积来获得。training_mat的行。以下是如何为一行进行映射的示例。
reshape()，但是由于矩阵不连续，我遇到了一些问题。根据我的经验，我会做类似于以下的事情：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);
}
}
file_num）。完成后，您应该已经正确设置了训练矩阵以便传入SVM函数。其余步骤与在线示例非常相似。Mat labels(num_files,1,CV_32FC1);
labels矩阵中的第三个元素为-1，那么意味着训练矩阵中的第三行属于“非眼”类。您可以在评估每个图像的循环中设置这些值。您可以将训练数据按类别分别排序到不同的目录中，并循环遍历每个目录中的图像，并根据目录设置标签。CvSVMParams对象并设置这些值：CvSVMParams params;
params.svm_type = CvSVM::C_SVC;
params.kernel_type = CvSVM::POLY;
params.gamma = 3;
// ...etc
有许多关于如何设置这些参数的在线示例，比如您在问题中发布的链接。
接下来，您需要创建一个 CvSVM 对象并基于您的数据进行训练！
CvSVM svm;
svm.train(training_mat, labels, Mat(), Mat(), params);
svm.save("svm_filename"); // saving
svm.load("svm_filename"); // loading
要使用训练好的SVM测试您的图像，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);
祝你好运！
int img_area = 4*3;，但如果我们每张图片的面积都不同，那么我们该怎么办？ - user2335532