基于opencv-svm的手写数字识别

基于svm的数字识别

本代码是基于opencv3的，所以编译有问题请换环境。

#include "opencv2/opencv.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/ml.hpp"
#include 

using namespace cv;
using namespace std;
using namespace cv::ml;

int main(int argc, char** argv)
{
    // initial SVM
    cv::Ptr svm = cv::ml::SVM::create();
    svm->setType(cv::ml::SVM::Types::C_SVC);
    svm->setKernel(cv::ml::SVM::KernelTypes::LINEAR);
    svm->setTermCriteria(cv::TermCriteria(cv::TermCriteria::MAX_ITER, 100, 1e-6));

    //生产数据
    //训练字符每类数量
    const int sample_mun_perclass = 80;
    //训练字符类数
    const int class_mun = 10;
    const int image_cols = 16;
    const int image_rows = 16;
    cv::Mat sample;
    cv::Mat label(cv::Size(0, 0), CV_32SC1); // 注意这里和2.x区别，3.x必须使用CV_32S，原因后面会说
    for(int i =0;i 0) {
                // 归一化, 一般认为能加快参数优化时的收敛速度、平衡模型权重等
                resize(img,img,Size(image_cols,image_rows),(0,0),(0,0),CV_INTER_AREA);
                cv::normalize(img, img, 1.0, 0.0, cv::NormTypes::NORM_MINMAX, CV_32FC1);
                // 但如果你的数据量级本身相差不大，也可以不归一化直接convertTo即可
                // img.convertTo(img, CV_32FC1);
                sample.push_back(img.reshape(0, 1));
                label.push_back(i); // 注意push_back有模版重载，可能意外改变Mat类型
            } //if
        }
    }
    cout<<"start train ......"< &&trainDataSet = cv::ml::TrainData::create(sample, cv::ml::ROW_SAMPLE, label);
    svm->trainAuto(trainDataSet);
    svm->save("D:/workspace/qt/opencvPractice/svmDigitRecognition/svm.xml");
    cout<<"end"<predict(tk.reshape(0, 1));
            //cout<<"result:"<

代码中用到的图片资源，请在百度云上下载。
点我下载 密码：du5a