100 lines
3.2 KiB
C++
100 lines
3.2 KiB
C++
#include <stdio.h>
|
||
#include "opencv2/core.hpp"
|
||
#include "opencv2/opencv.hpp"
|
||
#include "opencv2/highgui/highgui.hpp"
|
||
#include <opencv2/opencv.hpp>
|
||
#include <vector>
|
||
#include <algorithm>
|
||
|
||
struct lightbors
|
||
{
|
||
std::string ID;
|
||
|
||
};
|
||
|
||
class FeatureDetector8Classes {
|
||
private:
|
||
cv::Ptr<cv::ml::SVM> svm;
|
||
cv::HOGDescriptor hog;
|
||
cv::Size imgSize = cv::Size(48, 36); // 归一化尺寸，需与训练时一致
|
||
|
||
// 映射表：SVM输出的索引 0~7 对应您的8个特征名称
|
||
std::vector<std::string> class_names = {"1", "2", "3", "4", "5", "6", "7", "sentinel"};
|
||
|
||
public:
|
||
FeatureDetector8Classes() {
|
||
// 初始化HOG参数（低算力优选参数）
|
||
hog.winSize = imgSize;
|
||
hog.blockSize = cv::Size(12, 12);
|
||
hog.blockStride = cv::Size(6, 6);
|
||
hog.cellSize = cv::Size(6, 6);
|
||
hog.nbins = 9;
|
||
|
||
// 加载训练好的SVM模型
|
||
svm = cv::ml::SVM::load("asset/svm_8classes_model.xml");
|
||
if (svm.empty()) {
|
||
std::cout << "模型加载失败" << svm.empty() << std::endl;
|
||
}
|
||
}
|
||
|
||
/**
|
||
* 检测特征并返回特征名称
|
||
* @param inputImg 输入的局部特征图像 (BGR格式)
|
||
* @return 返回特征名称，失败返回 "unknown"
|
||
*/
|
||
std::string detect(const cv::Mat& inputImg) {
|
||
if (inputImg.empty()) return "unknown";
|
||
|
||
// ================= 1. 图像归一化处理 =================
|
||
cv::Mat normalizedImg;
|
||
// 尺寸归一化
|
||
resize(inputImg, normalizedImg, imgSize, 0, 0, cv::INTER_LINEAR);
|
||
// 色彩归一化（转灰度降算力）
|
||
if (normalizedImg.channels() == 3) {
|
||
cvtColor(normalizedImg, normalizedImg, cv::COLOR_BGR2GRAY);
|
||
}
|
||
// 光照归一化（抗光照干扰）
|
||
equalizeHist(normalizedImg, normalizedImg);
|
||
// 数值归一化（映射到0~1）
|
||
normalizedImg.convertTo(normalizedImg, CV_32F, 1.0 / 255.0);
|
||
// ====================================================
|
||
|
||
// ================= 2. 特征提取 =================
|
||
std::vector<float> descriptors;
|
||
hog.compute(normalizedImg, descriptors);
|
||
cv::Mat featureMat(1, descriptors.size(), CV_32FC1, descriptors.data());
|
||
|
||
// ================= 3. 分类预测 =================
|
||
cv::Mat response;
|
||
svm->predict(featureMat, response);
|
||
|
||
// 获取SVM预测的整数索引 (0~7)
|
||
int predicted_label = static_cast<int>(response.at<float>(0, 0));
|
||
|
||
// 将索引映射为指定的名称并返回
|
||
if (predicted_label >= 0 && predicted_label < 8) {
|
||
return class_names[predicted_label];
|
||
}
|
||
return "unknown";
|
||
}
|
||
};
|
||
|
||
int main(){
|
||
|
||
lightbors armor;
|
||
cv::Mat image = cv::imread("asset/1.jpg", cv::IMREAD_COLOR);
|
||
|
||
cv::Mat gray;
|
||
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
|
||
std::vector<std::vector<cv::Point>> counters;
|
||
cv::Mat Canny_P;
|
||
cv::Canny(gray, Canny_P, 50, 150);
|
||
cv::findContours(Canny_P, counters, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
|
||
|
||
cv::Mat result = image.clone();
|
||
std::cout << "ID:" << armor.ID << std::endl;
|
||
|
||
cv::imshow("Display", result);
|
||
cv::waitKey(0);
|
||
|
||
} |