书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

第15章 机器学习导读

15.4 OpenCV机器学习模块的使用

15.4.2 使用SVM模块分类

1、三个步骤

• 如图15-40所示，按照在OpenCV中使用机器学习模块的三步使用SVM模块即可。

  
  图15-40 使用SVM模块的流程示意图

2、每步使用的函数。

• Step 1：模型初始化。
  在使用SVM模块时，需要先使用函数cv2.ml.SVM_create()生成用于后续训练的空分类器模型。

• Step 2：训练分类器。
  获取空分类器svm后，针对该模型使用svm.train()函数对训练数据进行训练，其语法格式为

  
  

• 其中，各参数含义如下：
  ● 训练数据：用于训练的数据，用来训练分类器。
  ● 训练数据排列形式：训练数据的排列形式有按行排列（cv2.ml.ROW_SAMPLE，每一条训练数据占一行）和按列排列（cv2.ml.COL_SAMPLE，每一条训练数据占一列）两种形式，根据数据的实际排列情况选择对应的参数即可。
  ● 训练数据的标签：训练数据对应的标签。
  ● 训练结果：训练结果的返回值。例如，用于训练的数据为data，其对应的标签为label，每一条数据按行排列，对分类器模型svm进行训练，使用的语句为

  
  

• Step 3：使用模型。
  完成对分类器的训练后，使用svm.predict()函数即可使用训练好的分类器模型对待分类的数据进行分类，其语法格式为

  
  

• 以上是SVM模块的基本使用方法。
  在实际使用中，可能会根据需要对其中的参数进行调整。
  OpenCV支持对多个参数的自定义，
  例如，可以通过setType()函数设置类别，通过setKernel()函数设置卷积核类型，
  通过setC（）函数设置SVM的参数C（惩罚系数，即对误差的宽容度，默认值为0），
  通过setGamma()函数设置卷积核的系数。

3、实例

• 【例15.2】使用SVM模块完成钻石分类预测
  根据钻石的质量和直径将其划分为甲、乙两个等级，如图15-41左侧表格所示。现有一枚钻石的指标为（12，18），希望利用SVM模块确定其等级，如图15-41右侧图形所示。

  
  图15-41 钻石数据
  

  观察图15-41很容易判断出未知标签为“甲”。下面根据题目要求，编写程序使用SVM模块进行判断。

4、程序

# -*- coding: utf-8 -*-
"""
Created on Wed Jan 10 15:22:10 2024

@author: dalong10
"""

import cv2
import numpy as np

# =====生成模拟数据及标签====
trainData = np.array([[6,3] ,[4,5],[9,8],[12,12],[15,13],[18,17]]).astype(np.float32) 
tdLable = np.array([[0],[0],[0],[1],[1],[1]]).astype(np.int32)
test=np.array([[12,18]]).astype(np.float32)

# =======使用SVM算法===============
svm = cv2.ml.SVM_create()
svm.train(trainData, cv2.ml.ROW_SAMPLE, tdLable)
(p1,p2) = svm.predict(test)

# ========泉示结果============
rv = p2[0][0].astype(np.int32)
if rv==0:
    print("当前钻石等级:乙级")
else:
    print("当前钻石等级: 甲级")

运行结果

• 上述程序输出结果与由图15-41判断结果一致，较好地实现了预测。