#include "cv.h"  #include "highgui.h"  #include "ml.h"  #include <iostream>  #include <fstream>  #include <string.h>#include "objdetect.hpp"#include <vector>  //#include <opencv2/highgui/highgui.hpp>//#include <opencv2/core/core.hpp>//#include <opencv2/imgproc/imgproc.hpp>///LoadLibrary("opencv_objdetect245.dll");#define MyStride 8#define  Dst_img_width 28#define  Dst_img_height 28using namespace cv;  using namespace std;    int main(int argc, char** argv)    {     /*   vector<string> img_path;//输入文件名变量     vector<int> img_catg;      int nLine = 0;      string buf;      ifstream svm_data( "svmTrainSet.txt" );//首先，这里搞一个文件列表，把训练样本图片的路径都写在这个txt文件中，使用bat批处理文件可以得到这个txt文件       unsigned long n;        while( svm_data )//将训练样本文件依次读取进来      {          if( getline( svm_data, buf ) )          {              nLine ++;              if( nLine % 2 == 0 )//这里的分类比较有意思，看得出来上面的SVM_DATA.txt文本中应该是一行是文件路径，接着下一行就是该图片的类别，可以设置为0或者1，当然多个也无所谓             {                   img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型，标志（0,1），注意这里至少要有两个类别，否则会出错              }              else              {                  img_path.push_back( buf );//图像路径              }          }      }      svm_data.close();//关闭文件        CvMat *data_mat, *res_mat;      int nImgNum = nLine / 2; //读入样本数量 ，因为是每隔一行才是图片路径，所以要除以2     ////样本矩阵，nImgNum：横坐标是样本数量， WIDTH * HEIGHT：样本特征向量，即图像大小        //这里第二个参数，即矩阵的列是由下面的descriptors的大小决定的，可以由descriptors.size()得到，且对于不同大小的输入训练图片，这个值是不同的    data_mat = cvCreateMat( nImgNum, 1296, CV_32FC1 );	cvSetZero( data_mat );      //类型矩阵,存储每个样本的类型标志      res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 | CV_32SC1 );      cvSetZero( res_mat );        IplImage* src; 	string path;    //IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);//需要分析的图片，这里默认设定图片是64*64大小，所以上面定义了1764，如果要更改图片大小，可以先用debug查看一下descriptors是多少，然后设定好再运行  	IplImage* trainImg=cvCreateImage(cvSize(28,28),8,1);	 vector<float>descriptors;//结果数组  	//开始搞HOG特征 //   HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2     	HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(12,12),cvSize(8,8),cvSize(3,3),9);      for( string::size_type i = 0; i != img_path.size(); i++ )      {              path=".\\TrainData\\"+img_path[i];		  //  src=http://www.mamicode.com/cvLoadImage(path.c_str(),1);  " can not load the image: "<<img_path[i].c_str()<<endl;                  continue;              }                cout<<" processing "<<img_path[i].c_str()<<endl;                               cvResize(src,trainImg);   //读取图片             //    cvSaveImage("./woshinibaba.bmp",trainImg);			cout<<"HOG dims: "<<descriptors.size()<<endl;			vector<Point> locations;								locations.push_back(Point(0,0));		//	cout<<locations.size();			// hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算     			hog->compute(trainImg, descriptors,Size(1,1), Size(0,0), locations);		//	hog->compute(trainImg, descriptors,Size(1,1), Size(0,0));			cout<<"HOG dims: "<<descriptors.size()<<endl;              //CvMat* SVMtrainMat=cvCreateMat(descriptors.size(),1,CV_32FC1);              n=0;              for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)              {                  cvmSet(data_mat,i,n,*iter);//把HOG存储下来                  n++;              }                  //cout<<SVMtrainMat->rows<<endl;              cvmSet( res_mat, i, 0, img_catg[i] );  			//{			//	vector<float>().swap(descriptors); //释放vector内存			//}            cout<<" end processing "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl; 			cvReleaseImage( &src );			src=http://www.mamicode.com/NULL;"SVM_DATA.xml" );*/    //5.利用训练好的分类器进行测试 //检测样本  ///my vararible wdy:///	string buf; 	HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(12,12),cvSize(8,8),cvSize(3,3),9);	vector<float>descriptors;//结果数组  	int n;	string imagename = "000.bmp";		string path;///my vararible wdy://///	IplImage *test;      vector<string> img_tst_path;      std::ifstream img_tst( "train_list.txt" );//同输入训练样本，这里也是一样的，只不过不需要标注图片属于哪一类了	//std::ifstream img_tst( "temptest.txt" );    while( img_tst )      {          if( getline( img_tst, buf ) )          {              img_tst_path.push_back( buf );          }      }      img_tst.close();            CvMat *test_hog = cvCreateMat( 1, 1296, CV_32FC1 );//注意这里的1764，同上面一样 	CvMat* SVMtrainMat;//    char line[512];    //  ofstream predict_txt( "svmPredict.txt" );//把预测结果存储在这个文本中  	CvSVM svm_hog;	svm_hog.load("SVM_DATA.xml");    for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍历所有的待检测图片      {  		int MatchNums=0;     //   path=".\\TestData\\"+img_tst_path[j];		path=img_tst_path[j];	//	test = cvLoadImage(path.c_str(), 1);  		cv::Mat img = cv::imread(path.c_str());		//	cv::resize(img3,img,cv::Size(img3.rows,img3.cols));		cv::Mat imgClone=cv::imread(path.c_str());        if( !img.data )          {               cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;                 continue;          } 		int m,n2,iii,jjj;		m = (img.rows-28)/15;		n2 = (img.cols-28)/15;		int times=0;		for (jjj = 0;jjj<m;jjj++)			for(iii = 0;iii<n2;iii++)			{				times++;//				if(times==59)//					times=times;				cv::Mat temImage(28,28,CV_8UC3,cv::Scalar(0,0,0));				cv::Mat imageROI = img(cv::Rect(iii*15,jjj*15,temImage.cols,temImage.rows));//rect(x, y, width, height)选定感兴趣区域				cv::addWeighted(temImage,1.0,imageROI,1.0,0.,temImage);//复制扫描出的边界内数据								IplImage trainImg(temImage);			//	cvZero(trainImg);  			//	cvResize(test,trainImg);   //读取图片     			   //vector<float>descriptors;//结果数组   				vector<Point> locations;									locations.push_back(Point(0,0));				hog->compute(&trainImg, descriptors,Size(1,1), Size(0,0),locations); //调用计算函数开始计算     			   				cout<<"HOG dims: "<<descriptors.size()<<endl;  			   				if (j==0)				{					SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1); 					cvSetZero( SVMtrainMat ); 				}		 				n=0;  				for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)  					{  						cvmSet(SVMtrainMat,0,n,*iter);  						n++;  					}  		  				int ret = svm_hog.predict(SVMtrainMat);//获取最终检测结果，这个predict的用法见 OpenCV的文档 				//std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret ); 				//printf("times:%d pic: %s label %d\r\n", times,img_tst_path[j].c_str(), ret );				if(ret==1)				{					for(int ii=0;ii<=0;ii++)						for(int jj=0;jj<=27;jj++)						{							imgClone.at<cv::Vec3b>(jjj*15+jj,iii*15+ii)[1]=255;							//printf("for 1，x：%d,y:%d\n",iii*5+ii,jjj*5+jj);						}					for(int ii=27;ii<=27;ii++)						for(int jj=0;jj<=27;jj++)						{							imgClone.at<cv::Vec3b>(jjj*15+jj,iii*15+ii)[1]=255;							//printf("for 2，x：%d,y:%d\n",iii*5+ii,jjj*5+jj);						}									for(int jj=0;jj<=0;jj++)						for(int ii=0;ii<=27;ii++)						{							imgClone.at<cv::Vec3b>(jjj*15+jj,iii*15+ii)[1]=255;							//printf("for 3，x：%d,y:%d\n",iii*5+ii,jjj*5+jj);						}					for(int jj=27;jj<=27;jj++)						for(int ii=0;ii<=27;ii++)										{							imgClone.at<cv::Vec3b>(jjj*15+jj,iii*15+ii)[1]=255;							//printf("for 4，x：%d,y:%d\n",iii*5+ii,jjj*5+jj);						}				}			//	predict_txt<<line; 			//	cvReleaseImage( &test );			//	test=NULL;			}			//printf("test is finished\n");			cv::imwrite(path.c_str(),imgClone);    }  //   predict_txt.close();    }