python 实现 纹理图片分类识别 SVM支持向量机 图片资源与代码

题目是将图片库中的纹理图片裁剪成九份，其中五份做训练集，四份做测试集，先提取图片LBP特征 ，最后用svm支持向量机进行学习，在预测测试集里的图片是哪一类纹理。 正常情况下是需要调参的，即调整SVM的参数，但图省事只整了个循环，正常应该手动调参的。

import matplotlib.image as mpimg
import matplotlib.pyplot as plt
import numpy as np
from sklearn.multiclass import OneVsRestClassifier
from sklearn.svm import SVC
from skimage import feature as skft
from sklearn.metrics import classification_report


def loadPicture（）:
    train_index = 0
    test_index = 0
    train_data = np.zeros（ （200171171） ）
    test_data = np.zeros（ （160171171） ）
    train_label = np.zeros（ （200） ）
    test_label = np.zeros（ （160） ）
    for i in np.arange（40）:
        image = mpimg.imread（‘picture/‘+str（i）+‘.tiff‘）
        data = np.zeros（ （513513） ）
        data[0:image.shape[0]0:image.shape[1]] = image
        #切割后的图像位于数据的位置
        index = 0
        #将图片分割成九块
        for row in np.arange（3）:
            for col in np.arange（3）:
                if index<5:
                    train_data[train_index::] = data[171*row:171*（row+1）171*col:171*（col+1）]
                    train_label[train_index] = i
                    train_index+=1
                    #mpimg.imread（‘picture/‘+str（i）+‘.tiff‘）
                    arr=‘picture_train/‘+str（i*9+index）+‘.tiff‘
                    mpimg.imsave（fname=arrarr=data[171*row:171*（row+1）171*col:171*（col+1）]）
                else:
                    test_data[test_index::] = data[171*row:171*（row+1）171*col:171*（col+1）]
                    test_label[test_index] = i
                    test_index+=1
                    arr=‘picture_test/‘+str（i*9+index）+‘.tiff‘
                    mpimg.imsave（fname=arrarr=data[171*row:171*（row+1）171*col:171*（col+1）]）
                index+=1
    return train_datatest_datatrain_labeltest_label


radius = 1
n_point = radius * 8 

def texture_detect（）:
    train_hist = np.zeros（ （200256） ） 
    test_hist = np.zeros（ （160256） ） 
    for i in np.arange（200）:
        #使用LBP方法提取图像的纹理特征.
        lbp=skft.local_binary_pattern（train_data[i]n_pointradius‘default‘） 
        #统计图像的直方图
        max_bins = int（lbp.max（） + 1） 
        #hist size:256
        train_hist[i] _ = np.histogram（lbp normed=True bins=max_bins range=（0 max_bins）） 

    for i in np.arange（160）:
        lbp = skft.local_binary_pattern（test_data[i]n_pointradius‘default‘） 
        #统计图像的直方图
        max_bins = int（lbp.max（） + 1） 
        #hist size:256
        test_hist[i] _ = np.histogram（lbp normed=True bins=max_bins range=（0 max_bins）） 


    return train_histtest_hist 

train_datatest_datatrain_labeltest_label= loadPicture（） 
train_histtest_hist = texture_detect（） 
result=[]
maxid=0
max=0
id=0
kenellist=[‘linear‘ ‘poly‘ ‘rbf‘ ‘sigmoid‘]
for kenel in kenellist :
    for c in range（12001100）: 
        gama=0.1
        while（gama<=1）:
            clf = SVC（kernel=kenel C=c gamma=gama） 
            clf.fit（train_histtrain_label）
            linshi=clf.score（test_histtest_label）
            result.append（[kenelcgamalinshi]）
            print（idresult[id]）
            

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-06-27 18:33  test\
     目录           0  2019-06-27 18:33  test\picture\
     文件      264554  2005-12-07 20:48  test\picture\0.tiff
     文件      264126  2005-12-07 20:39  test\picture\1.tiff
     文件      263466  2005-12-07 20:42  test\picture\10.tiff
     文件      264724  2005-12-07 20:42  test\picture\11.tiff
     文件      262548  2005-12-07 20:42  test\picture\12.tiff
     文件      264694  2005-12-07 20:43  test\picture\13.tiff
     文件      262128  2005-12-07 20:43  test\picture\14.tiff
     文件      264724  2005-12-07 20:43  test\picture\15.tiff
     文件      264676  2005-12-07 20:43  test\picture\16.tiff
     文件      264666  2005-12-07 20:43  test\picture\17.tiff
     文件      264654  2005-12-07 20:44  test\picture\18.tiff
     文件      264714  2005-12-07 20:44  test\picture\19.tiff
     文件      264506  2005-12-07 20:39  test\picture\2.tiff
     文件      264646  2005-12-07 20:44  test\picture\20.tiff
     文件      262166  2005-12-07 20:44  test\picture\21.tiff
     文件      261812  2005-12-07 20:44  test\picture\22.tiff
     文件      264136  2005-12-07 20:45  test\picture\23.tiff
     文件      264694  2005-12-07 20:45  test\picture\24.tiff
     文件      264554  2005-12-07 20:45  test\picture\25.tiff
     文件      264514  2005-12-07 20:45  test\picture\26.tiff
     文件      264154  2005-12-07 20:45  test\picture\27.tiff
     文件      264674  2005-12-07 20:46  test\picture\28.tiff
     文件      264554  2005-12-07 20:46  test\picture\29.tiff
     文件      264742  2005-12-07 20:40  test\picture\3.tiff
     文件      264734  2005-12-07 20:46  test\picture\30.tiff
     文件      264752  2005-12-07 20:46  test\picture\31.tiff
     文件      263156  2005-12-07 20:46  test\picture\32.tiff
     文件      264730  2005-12-07 20:47  test\picture\33.tiff
     文件      263698  2005-12-07 20:47  test\picture\34.tiff
............此处省略12个文件信息