前言

实现分类可以使用SVM方法，但是需要人工调参，具体过程请参考here，这个比较麻烦，小鹅不喜欢麻烦，正好看到SVM可以自动调优，甚好！

注意

1.reshape的使用；

https://docs.opencv.org/3.3.1/d3/d63/classcv_1_1Mat.html#a4eb96e3251417fa88b78e2abd6cfd7d8

cv::Mat cv::Mat::reshape ( int cn, int rows =  ) const

参数

cn: New number of channels. If the parameter is , the number of channels remains the same.

rows: New number of rows. If the parameter is , the number of rows remains the same. 

2.注意函数参变量如果在函数内部数据发生改变，且其他处有引用的话，函数的形参一定要使用引用。

3.注意调用函数形参的数据类型是否匹配。

4.调试过程中的错误也许是由其他处的原因导致的，所以一定要找到错误的根源。

5.一定要静下心来耐心地一步步跟踪、调试代码，直至找到真正的原因，调试过程中不要怕麻烦怕速度慢，尽量自己想办法解决。

6.对于一些库函数，可以网页查找，但是一定也要看看库函数的开发文档，更具有权威性和正确性。

7.

参考

1.

2. opencv3.3.1_SVM;

3.

https://blog.csdn.net/wyx100/article/details/75295215

完