opencv 利用svm(支持向量机)分类----python实现

谁践踏了优雅 2024-04-17 17:10 56阅读 0赞

源码：

#此代码适用opencv3版本以上
    from numpy import * #导入numpy的库函数
    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    
    
    labels = (1, -1, 1, 1,-1,-1,-1,1,-1,-1)
    labels =  np.array(labels)
    trainingData= np.array([[10, 3 ],[5, 0.5 ],[10, 5],[0.5, 10 ],[0.5, 1.6 ],[3, 6 ],[ 1.2, 4],[6, 6],[0.9, 5 ],[ 4, 4]],dtype='float32');  #数据集一定要设置成浮点型
    # labels转换成10行1列的矩阵
    labels = labels.reshape(10,1)
    # trainingData转换成10行2列的矩阵
    trainingData = trainingData.reshape(10,2)
    
    #创建分类器
    svm = cv2.ml.SVM_create()
    #设置svm类型
    svm.setType(cv2.ml.SVM_C_SVC)
    #核函数
    svm.setKernel(cv2.ml.SVM_LINEAR)
    # 训练
    ret  = svm.train(trainingData,cv2.ml.ROW_SAMPLE,labels)
    
    # 测试数据
    # 取0-10之间的整数值
    arrayTest = np.empty(shape=[0, 2],  dtype='float32')
    for i in range(10):
        for j in range(10):
          arrayTest=np.append(arrayTest, [[i,j]], axis = 0)
    pt = np.array(np.random.rand(50,2) * 10 , dtype='float32')   #np.random.rand(50,2) * 10可以替换成arrayTest
    # 预测
    (ret, res) = svm.predict(pt)
    
    # 按label进行分类显示
    plt.figure("分类")
    res = np.hstack((res)) #在水平方向上平铺
    
    # 第一类
    type_data = pt[res == -1]
    # 绘制散点图
    plt.scatter(np.array(type_data[:, 0]), np.array(type_data[:, 1]),c='r',marker='o')
    
    # 第二类
    type_data = pt[res == 1]
    plt.scatter(np.array(type_data[:, 0]), np.array(type_data[:, 1]),c='g',marker='o')
    
    plt.show()

`运行结果：`

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhdGVyX1BvcGNvcm4_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhdGVyX1BvcGNvcm4_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/13d337e9ff134aa4970eb8b473b0ba22.png