python计算机视觉项目实践

这是一个贝叶斯模型的计算机视觉小项目，希望大家通过这个简单的项目知道一般的计算机视觉项目是如何操作的。

我先讲题目放在这里希望有兴趣的童鞋花一周的时间思考并用python实现。一周以后我来公布我的具体操作细节和代码。希望大家可以通过这个简单的项目将自己学到的机器学习以及计算机视觉的知识应用到实践当中。

基于OpenCV编写一个基于朴素贝叶斯的图片分类分类程序

要求：

[1] 在google的图片搜索引擎中输入"flower"和"airplane"，分别下载m(>100)张"flower"图片和n(>100)张"sky"图片，作为数据集的正负样本；(注意：这两类图片也可以任意选择，比如"chair"和"car")

[2] 视觉词典的构建采用如下的方式：随机从每张训练集的图片中切割出p（p>500）个25x25的图片块，计算改图像块的颜色直方图特征（6x6x6个区间），然后将这些图像块（共有p*（m+n））用kmeans聚成K(K>1000)个类，作为词典；注：kmeans可以直接调用opencv，或者用其他工具包来聚类。

[3] 训练或者测试时，对待测试的图片进行密集采样，用Histogram Intersection距离（计算公式为），采用最近邻的方法计算每个单词的次数。

[4] 使用5折交叉验证计算出平均的Precision和Recall；

数据集大家可以考虑编写一个爬虫到谷歌下载图片（如果可以的  麻烦教我爬虫怎么操作哈）如果不行的可以找我索要数据集QQ 42 #14# 14# 626 。