1.首先進行數據處理

import numpy as np #用于數據處理 from matplotlib import pyplot as plt #用于顯示圖像和畫圖 from sklearn import svm #導入支持向量機 from sklearn.model_selection import train_test_split #用于數據集劃分 from sklearn.metrics import accuracy_score #用于計算正確率 import cv2 #用于讀取圖片 import os #文件讀取 import pickle #用于模型的保存 from PIL import ImageSHAPE = (30, 30) #設置輸入圖片的大小

1.1文件的結構如下

圖片不用太多，一類幾張即可
替換成自己的圖片以及目錄即可

def getImageData(self,directory):s = 1feature_list = list()label_list = list()num_classes = 0for root, dirs, files in os.walk(directory):for d in dirs:num_classes += 1images = os.listdir(root + d)for image in images:s += 1label_list.append(d)feature_list.append(Svm_derection.extractFeaturesFromImage(root + d + "/" + image))return np.asarray(feature_list), np.asarray(label_list)

1.2接下來圖片的預處理函數（上方有調用到）

def extractFeaturesFromImage(self,image_file):img = cv2.imread(image_file)#讀取圖片img = cv2.resize(img, self.SHAPE, interpolation=cv2.INTER_CUBIC)#對圖片進行risize操作統一大小img = img.flatten()#對圖像進行降維操作，方便算法計算img = img / np.mean(img)#歸一化，突出特征return img

2.svm模型訓練

def train(self,dir):#數據獲取，這里Svm_derection是自定義類的名稱feature_array, label_array = Svm_derection.getImageData(self.directory)#數據的分割X_train, X_test, y_train, y_test = train_test_split(feature_array, label_array, test_size=0.2, random_state=42)print("shape of raw image data: {0}".format(feature_array.shape))print("shape of raw image data: {0}".format(X_train.shape))print("shape of raw image data: {0}".format(X_test.shape))#模型的選擇clf = svm.SVC(gamma=0.001, C=100., probability=True)#模型的訓練clf.fit(X_train, y_train);#模型測試Ypred = clf.predict(X_test);print("pre",Ypred)print("test",y_test)#模型保存pickle.dump(clf, open("svm.pkl", "wb"))

3.模型讀取使用

def test(self,path,img_file):pkl_file = open(path, 'rb')clf=pickle.load(pkl_file)Ypred = clf.predict(np.reshape(self.extractFeaturesFromImage(img_file),(1,2700)))return Ypred

4.運行代碼

path='svm.pkl'#模型保存位置以及名字 img='derection/'#數據集位置 img_file='derection/f1/1.jpg'#測試圖片位置 train(img) t=test(path,img_file) print(t) img = Image.open(os.path.join('derection/f1/1.jpg')) plt.figure("Image") # 圖像窗口名稱 plt.imshow(img) plt.axis('off') # 關掉坐標軸為 off plt.title(t) # 圖像題目 plt.show()

5.結果展示

總結

以上是生活随笔為你收集整理的python 使用SVM进行简单的图像分类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。