参考了秋风细雨的文章：

花了点时间编写出了程序，先看看效果吧。

识别效果大概都能正确。

好了，开始正题：

因为本程序是提取HOG特征，使用SVM进行分类的，所以大概了解下HOG的一些知识，其中我觉得怎么计算图像HOG特征的维度会对程序了解有帮助

关于HOG，我们可以参考：

关于手写的数字0-9的数据库下载地址和如何生成此数据库HOG特征的xml文件可以参考文章开头的参考博客。

本人提供一个已经训练好的关于此库我生成的xml文件，下载地址：

http://pan.baidu.com/s/1qXSYp

 

训练模型

#include 
     
      #include 
      
       #include 
       
        using namespace std;using namespace cv;int main(){    vector
        
          img_path;//输入文件名变量    vector
         
           img_catg;    int nLine = 0;    string buf;    ifstream svm_data( "D:/project/HOG/t10k-images-bmp/t10k-images/result.txt" );//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 )//注：奇数行是图片全路径，偶数行是标签            {                img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型，标志(0,1，2，...，9)，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; //nImgNum是样本数量，只有文本行数的一半，另一半是标签    data_mat = cvCreateMat( nImgNum, 324, CV_32FC1 );  //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    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 );    cvSetZero( res_mat );    IplImage* src;    IplImage* trainImg=cvCreateImage(cvSize(28,28),8,3);//需要分析的图片，这里默认设定图片是28*28大小，所以上面定义了324，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    //处理HOG特征    for( string::size_type i = 0; i != img_path.size(); i++ )    {        src=cvLoadImage(img_path[i].c_str(),1);        if( src == NULL )        {            cout<<" can not load the image: "<
          
           <
           
            descriptors;//存放结果 hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算 cout<<"HOG dims: "<
            
             <
             
              ::iterator iter=descriptors.begin();iter!=descriptors.end();iter++) { cvmSet(data_mat,i,n,*iter);//存储HOG特征 n++; } cvmSet( res_mat, i, 0, img_catg[i] ); cout<<"Done !!!: "<
              
               <<" "<
               
                <
               
              
             
            
           
          
         
        
       
      
     

D:/project/HOG/t10k-images-bmp/t10k-images/result.txt  的生成方法 使用createpath.py脚本

import os, sysdef get_filepaths(directory):    file_paths = []  # List which will store all of the full filepaths.    for root, directories, files in os.walk(directory):        for filename in files:            # Join the two strings in order to form the full filepath.            filepath = os.path.join(root, filename)            file_paths.append(filepath)  # Add it to the list.    return file_paths  # Self-explanatory.lists = get_filepaths(os.path.dirname(os.path.abspath(__file__)))with open('result.txt', 'a') as f:    for url in lists:                if (os.path.basename(url).startswith('0_')):            f.write(url)            f.write('\n')            f.write('0\n')        if (os.path.basename(url).startswith('1_')):            f.write(url)            f.write('\n')            f.write('1\n')        if (os.path.basename(url).startswith('2_')):            f.write(url)            f.write('\n')            f.write('2\n')        if (os.path.basename(url).startswith('3_')):            f.write(url)            f.write('\n')            f.write('3\n')        if (os.path.basename(url).startswith('4_')):            f.write(url)            f.write('\n')            f.write('4\n')        if (os.path.basename(url).startswith('5_')):            f.write(url)            f.write('\n')            f.write('5\n')        if (os.path.basename(url).startswith('6_')):            f.write(url)            f.write('\n')            f.write('6\n')        if (os.path.basename(url).startswith('7_')):            f.write(url)            f.write('\n')            f.write('7\n')        if (os.path.basename(url).startswith('8_')):            f.write(url)            f.write('\n')            f.write('8\n')        if (os.path.basename(url).startswith('9_')):            f.write(url)            f.write('\n')            f.write('9\n')

生成result.txt

使用模型

#include 
     
      #include 
      
       using namespace std;using namespace cv;int main(){    IplImage *test;    char result[300]; //存放预测结果    CvSVM svm;    svm.load("d:\\HOG_SVM_DATA.xml");//加载训练好的xml文件，这里训练的是10K个手写数字    //检测样本    test = cvLoadImage("d:\\test.bmp", 1); //待预测图片，用系统自带的画图工具随便手写    if (!test)    {        cout<<"not exist"<
       
        descriptors;//存放结果    hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算    cout<<"HOG dims: "<
        
         <
         
          ::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    {        cvmSet(SVMtrainMat,0,n,*iter);        n++;    }    int ret = svm.predict(SVMtrainMat);//检测结果    sprintf(result, "%d\r\n",ret );    cvNamedWindow("dst",1);    cvShowImage("dst",test);    cout<<"result:"<
          
           <
          
         
        
       
      
     

 

源码(MFC)：

http://pan.baidu.com/s/1rDQbO

程序下载（裸机可运行，无需环境）：

http://pan.baidu.com/s/1byQeX

QT控制台版本（包含手写数据库，训练模型，使用模型）

http://pan.baidu.com/s/1pJ45bwZ