HOG_SVM的python实现

# -*- coding=utf-8 -*-
import glob
import time
from PIL import Image
from skimage.feature import hog
import numpy as np
import os
import joblib
from sklearn.svm import LinearSVC

#训练集图片的位置
train_image_path = ‘/home/icelee/Downloads/dataset/small_shixun/‘
#测试集图片的位置
test_image_path = ‘/home/icelee/Downloads/dataset/small_shixun/‘
#训练集标签的位置
train_label_path = ‘/home/icelee/Downloads/dataset/mydata.txt‘
#测试集标签的位置
test_label_path = ‘/home/icelee/Downloads/dataset/test.txt‘

size = 128

train_feat_path = ‘train/‘
test_feat_path = ‘test/‘
model_path = ‘model/‘

#获得图片列表
def get_image_list（filePathnameList）:
    img_list =[]
    for name in nameList:
        img_list.append（Image.open（filePath+name））
    return img_list

#提取特征并保存
def get_feat（image_listname_listlabel_listsavePathsize）:
    i = 0
    for image in image_list:
        image = np.reshape（image （size size 3））
        gray = rgb2gray（image）/255.0
        #这句话根据你的尺寸改改
        fd = hog（gray orientations=18 pixels_per_cell=[1616] cells_per_block=[44] visualise=False transform_sqrt=True）
        fd = np.concatenate（（fd [label_list[i]]））
        fd_name = name_list[i][0:6]+‘.feat‘
        fd_path = os.path.join（savePath fd_name）
        joblib.dump（fd fd_path）
        i += 1
    print “Test features are extracted and saved.“

#变成灰度图片
def rgb2gray（im）:
    gray = im[: : 0]*0.2989+im[: : 1]*0.5870+im[: : 2]*0.1140
    return gray

#获得图片名称与对应的类别
def get_name_label（file_path）:
    name_list = []
    label_list = []
    with open（file_path） as f:
        for line in f.readlines（）:
            name_list.append（line.split（‘ ‘）[0]）
            label_list.append（line.split（‘ ‘）[1]）
    return name_listlabel_list

#提取特征
def extra_feat（）:
    train_nametrain_label = get_name_label（train_label_path）
    test_nametest_label = get_name_label（test_label_path）

    train_image = get_image_list（train_image_pathtrain_name）
    test_image = get_image_list（test_image_pathtest_name）
    get_feat（train_imagetrain_nametrain_labeltrain_feat_pathsize）
    get_feat（tes