使用opencv的SVM实现车牌区域识别

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

using namespace cv;

#include <iostream>

int main()
{
int num = 1;
char path[90];

Mat trainningMat; //行数为样本数170，每个样本含144*33=4752个数，也即有4752列
Mat inputImg;
Mat p;

//先加载100个正样本
while(num < 101)
{
sprintf( path ,"F:\\SVM_data\\posdata\\0000 (%d).bmp" , num);
inputImg = imread(path,-1);
if (inputImg.empty())
{
std::cerr<<"无法加载正样本！";
return -1;
}
p = inputImg.reshape(1,1);
p.convertTo(p, CV_32FC1);
trainningMat.push_back(p);
num++;
}
num = 1;

//再加载70个负样本
while(num < 71)
{
sprintf( path ,"F:\\SVM_data\\negdata\\0000 (%d).bmp" , num);
inputImg = imread(path,-1);
if (inputImg.empty())
{
std::cerr<<"无法加载负样本！";
return -1;
}
p = inputImg.reshape(1,1);
p.convertTo(p, CV_32FC1);
trainningMat.push_back(p);
num++;
}

Mat label(170,1,CV_32FC1);   //与训练数据相应的标签,当然在txt中写数据再读出来也可以
for (int i = 0 ;i<label.rows ;++ i)
{
if( i < 100)
label.at<float>(i,0) =  1.0;
else
label.at<float>(i,0) =  -1.0;
}

CvSVM classifier;
CvSVMParams SVM_params;
SVM_params.kernel_type = CvSVM::LINEAR; //使用线性划分

classifier.train(trainningMat,label ,Mat(),Mat(),SVM_params); //SVM训练

vector<Mat> testdata; //定义测试数据

num = 1;
while(num < 4)
{
sprintf( path ,"F:\\SVM_data\\testdata\\postest%d.bmp" , num);
inputImg = imread(path,-1);
if (inputImg.empty())
{
std::cerr<<"无法加载正测试样本！";
return -1;
}
p = inputImg.reshape(1,1);
p.convertTo(p, CV_32FC1);
testdata.push_back(p);
num++ ;
}

num = 1;
while(num < 4)
{
sprintf( path ,"F:\\SVM_data\\testdata\\negtest%d.bmp" , num);
inputImg = imread(path,-1);
if (inputImg.empty())
{
std::cerr<<"无法加载负测试样本！";
return -1;
}
p = inputImg.reshape(1,1);
p.convertTo(p, CV_32FC1);
testdata.push_back(p);
num++ ;
}

for (int i = 0;i < testdata.size() ; ++i)
{
std::cout<<"测试样本"<<i+1<<"的测试结果为："
<<(int)classifier.predict( testdata[i] )<<"\n";
}

return  0;
}

对于100张正样本图和70张负样本图片，首先每张图片都会转换为1维数组，该数组长度为4752（也即144乘33），也即将图片中所有的像素点值均作为特征，当然也可以选取图像的其他特征值，这样每张图片可得到1*4752矩阵，则将所有这些矩阵保存于一个170*4752的训练矩阵中；其次创建相应标签矩阵，为170*1大小，前100个数为1.0，后70个数为-1.0，也就是标记出训练矩阵中数据的正负性。设置好SVM训练参数，使用CvSVM：：train()函数进行训练，然后使用训练得的模型对测试数据进行预测。所训练的模型可以正确地预测测试样本是否为车牌区域。

From 使用opencv的SVM实现车牌区域识别