OpenCV学习笔记（二十六）——小试SVM算法ml

Mat trainingDataMat(3, 2, CV_32FC1, trainingData);  

  

// step 2:  

CvSVMParams params;  

params.svm_type = CvSVM::C_SVC;  

params.kernel_type = CvSVM::LINEAR;  

params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);  

  

// step 3:  

CvSVM SVM;  

SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);  

  

// step 4:  

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

for (int i=0; i<image.rows; i++)  

{  

    for (int j=0; j<image.cols; j++)  

    {  

        Mat sampleMat = (Mat_<float>(1,2) << i,j);  

        float response = SVM.predict(sampleMat);  

  

        if (fabs(response-1.0) < 0.0001)  

        {  

            image.at<Vec3b>(j, i) = green;  

        }  

        else if (fabs(response+1.0) < 0.001)  

        {  

            image.at<Vec3b>(j, i) = blue;  

        }  

    }  

}  

  

// step 5:  

int c = SVM.get_support_vector_count();  

  

for (int i=0; i<c; i++)  

{  

    const float* v = SVM.get_support_vector(i);  

}