图像分类OpenCV中svm使用报错

Question

参考代码：https://blog.csdn.net/xq920831/article/details/85052318
第123行
用我自己的图片集的时候会报错：
cv2.error: OpenCV(3.4.1) C:\projects\opencv-python\opencv\modules\ml\src\data.cpp:298: error: (-215) （layout == ROW_SAMPLE && responses.rows == nsamples) || (layout == COL_SAMPLE && responses.cols == nsamples) in function cv::ml::TrainDataImpl::setData
有人能帮帮我吗

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

在OpenCV中，当尝试对图像进行分类时，如果数据集的形状不匹配（例如，如果数据集是列样本而不是行样本），或者如果输入的数据集大小与预期的大小不同，可能会遇到错误。以下是一个可能的原因和解决方案的例子：

from cv2 import imread, imwrite, imencode, imdecode, resize
import numpy as np
import matplotlib.pyplot as plt

# 加载你的图像
img = imread('path_to_your_image.jpg')

# 将图像转换为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算特征向量
features = extract_features(gray)

# 创建一个SVM模型
clf = svm.SVC()

# 使用训练数据拟合模型
X_train, y_train = features, labels
clf.fit(X_train, y_train)

# 保存模型到文件
filename = 'your_model_file.sav'
pickle.dump(clf, open(filename, 'wb'))

# 加载模型并预测新图像
new_img = imread('path_to_new_image.jpg')
new_gray = cv2.cvtColor(new_img, cv2.COLOR_BGR2GRAY)
new_features = extract_features(new_gray)
predicted_label = clf.predict(new_features.reshape(1, -1))

print(predicted_label)

在这个例子中，我们首先加载了图像，并将其转换为灰度图像。然后，我们计算了图像中的特征向量。接着，我们创建了一个支持向量机（SVM）模型，并使用训练数据对其进行拟合。

最后，我们使用已经加载的模型来预测一个新的图像。注意，这个例子没有处理异常情况，例如当你试图使用不同的数据集或不同的输入尺寸时。如果你希望处理这种情况，请确保在训练和测试数据上正确地调整数据格式和大小。