c++ - 使用 OpenCV 和 SVM 处理图像

Question

我在阅读图像、提取训练特征以及使用 SVM 在 OpenCV 中测试新图像时遇到困难。有人可以指点我一个很好的链接吗？我看过OpenCV Introduction to Support Vector Machines .但这对阅读图像没有帮助，我不确定如何合并它。

我的目标是对图像中的像素进行分类。这些像素将属于一条曲线。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

我将我的训练矩阵形成为 [3][2]={ {1,1} {1,2} {1,3} {1,4} {1,5} {2,1} ..{} }

但是，我对标签有点困惑。根据我的理解，我必须指定训练矩阵中的哪一行(图像)对应，对应的是曲线还是非曲线。但是，如果有一些像素属于曲线而一些不属于曲线，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，这就是我最终让 SVM 为图像工作的方法。

要在一组图像上训练 SVM，首先必须为 SVM 构建训练矩阵。该矩阵指定如下:矩阵的每一行对应一个图像，该行中的每个元素对应于类的一个特征——在这种情况下，像素在某一点的颜色。由于您的图像是二维的，因此您需要将它们转换为一维矩阵。每行的长度将是图像的面积(注意图像必须是相同的大小)。

假设您想在 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而获得。

下一步是“填充” training_mat 的行与来自每个图像的数据。下面是此映射如何对一行工作的示例。



我已经对图像矩阵的每个元素进行了编号，并在训练矩阵的相应行中对其进行了编号。例如，如果那是第三张图像，则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:



至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);
    }
}

对每个训练图像执行此操作(记住递增 file_num )。在此之后，您应该正确设置训练矩阵以传递给 SVM 函数。其余步骤应该与在线示例非常相似。

请注意，在执行此操作时，您还必须为每个训练图像设置标签。因此，例如，如果您根据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。这被指定为一维矩阵，其中一维矩阵中的每个元素对应于二维矩阵中的每一行。为每个类选择值(例如，-1 代表非眼睛，1 代表眼睛)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 中的第三个元素矩阵为 -1，表示训练矩阵中的第 3 行属于“非眼睛”类。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您的 SVM 参数。这些值会根据你的项目而有所不同，但基本上你会声明一个 CvSVMParams对象并设置值:

CvSVMParams params;
params.svm_type = CvSVM::C_SVC;
params.kernel_type = CvSVM::POLY;
params.gamma = 3;
// ...etc

在线有几个关于如何设置这些参数的示例，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，您可以保存经过训练的 SVM，这样您就不必每次都重新训练它。

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

要使用经过训练的 SVM 测试您的图像，只需读取图像，将其转换为一维矩阵，然后将其传递给 svm.predict() :

svm.predict(img_mat_1d);

它将根据您设置为标签的内容返回一个值(例如，-1 或 1，基于我上面的眼睛/非眼睛示例)。或者，如果您想一次测试多个图像，您可以创建一个与之前定义的训练矩阵具有相同格式的矩阵，并将其作为参数传递。但是，返回值会有所不同。

祝你好运!