opencv 利用svm(支持向量机)分类----python实现

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：