使用MATLAB来对于hog+svm进行使用
这边使用的是getfile函数来对于文件夹来进行遍历以及进行hog来进行变换，返回图片数量以及hog以后的矩阵allimage。
主函数使用的是MATLAB自带的函数fitcsvm来进行训练，predict来进行判断。
function [ allimage,num ] = getFiles( input )
%UNTITLED9 此处显示有关此函数的摘要
% 此处显示详细说明
p = genpath(input);% 获得文件夹data下所有子文件的路径，这些路径存在字符串p中，以';'分割
length_p = size(p,2);%字符串p的长度
path = {};%建立一个单元数组，数组的每个单元中包含一个目录
temp = [];
for i = 1:length_p %寻找分割符';'，一旦找到，则将路径temp写入path数组中
if p(i) ~= ';'
temp = [temp p(i)];
else
temp = [temp '\']; %在路径的最后加入 '\'
path = [path ; temp];
temp = [];
end
end
clear p length_p temp;
%至此获得data文件夹及其所有子文件夹（及子文件夹的子文件夹）的路径，存于数组path中。
%下面是逐一文件夹中读取图像
%建立矩阵（图片大小要相同）
num=1;
allimage=[];
file_num = size(path,1);% 子文件夹的个数
for i = 1:file_num
file_path = path{i}; % 图像文件夹路径
img_path_list = dir(strcat(file_path,'*.jpg'));
img_num = length(img_path_list); %该文件夹中图像数量
if img_num > 0
for j = 1:img_num
image_name = img_path_list(j).name;% 图像名
image = imread(strcat(file_path,image_name));
image = imresize(image,[48,32]);
fprintf('%d %d %s\n',i,j,strcat(file_path,image_name));% 显示正在处理的路径和图像名
% img=rgb2gray(image);
% hog =hogcalculator(image);
[adds, hog] = extractHOGFeatures(image);%hog变换
% figure(1),imshow(image), hold on;
% plot(hog);
allimage(num,:)=adds;
% allimage = [allimage,image1];
num = num+1;
end
end
end
end
主函数
clear
close all
[charsImage1 , size1] = getFiles ('C:\Users\Administrator\Documents\MATLAB\chars');%正样本
[charsImage2 , size2] = getFiles ('C:\Users\Administrator\Documents\MATLAB\nochars');%负样本
[charsImage3 , size3] = getFiles ('C:\Users\Administrator\Documents\MATLAB\charsImage');%测试样本
label1=ones(size1-1,1);
label2=zeros(size2-1,1);
label = [label1;label2];
trainImage = [charsImage1;charsImage2];
%训练分类模型
svmModel = fitcsvm(trainImage,label);
predict1 = [];
%分类测试
for i= 1:size3-1
[predictIndex,score]=predict(svmModel,charsImage3(i,:));
predict1 = [predict1,predictIndex];
end
预测结果在predict1里面。
