#include "cv.h"

#include "highgui.h"

#include "stdafx.h"

#include <ml.h>

#include <iostream>

#include <fstream>

#include <string>

#include <vector>

using namespace cv;

using namespace std;

int main(int argc, char** argv)

{

    vector<string> img_path;

    vector<int> img_catg;

    int nLine = ;

    string buf;

    ifstream svm_data( "E:/SVM_DATA.txt" );

    unsigned long n;

    while( svm_data )

    {

        if( getline( svm_data, buf ) )

        {

            nLine ++;

            if( nLine %  ==  )

            {

                 img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型，标志（0,1）

            }

            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 / ;            //读入样本数量

    ////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

    data_mat = cvCreateMat( nImgNum, , CV_32FC1 );

    cvSetZero( data_mat );

    //类型矩阵,存储每个样本的类型标志

    res_mat = cvCreateMat( nImgNum, , CV_32FC1 );

    cvSetZero( res_mat );

    IplImage* src;

    IplImage* trainImg=cvCreateImage(cvSize(,),,);//需要分析的图片

    for( string::size_type i = ; i != img_path.size(); i++ )

    {

            src=cvLoadImage(img_path[i].c_str(),);

            if( src == NULL )

            {

                cout<<" 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

            HOGDescriptor *hog=new HOGDescriptor(cvSize(,),cvSize(,),cvSize(,),cvSize(,),);  //具体意思见参考文章1,2

            vector<float>descriptors;//结果数组

            hog->compute(trainImg, descriptors,Size(,), Size(,)); //调用计算函数开始计算

            cout<<"HOG dims: "<<descriptors.size()<<endl;

            //CvMat* SVMtrainMat=cvCreateMat(descriptors.size(),1,CV_32FC1);

            n=;

            for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)

            {

                cvmSet(data_mat,i,n,*iter);

                n++;

            }

                //cout<<SVMtrainMat->rows<<endl;

            cvmSet( res_mat, i, , img_catg[i] );

            cout<<" end processing "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;

    }

    CvSVM svm = CvSVM();

    CvSVMParams param;

    CvTermCriteria criteria;

    criteria = cvTermCriteria( CV_TERMCRIT_EPS, , FLT_EPSILON );

    param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );

/*

    SVM种类：CvSVM::C_SVC

    Kernel的种类：CvSVM::RBF

    degree：10.0（此次不使用）

    gamma：8.0

    coef0：1.0（此次不使用）

    C：10.0

    nu：0.5（此次不使用）

    p：0.1（此次不使用）

    然后对训练数据正规化处理，并放在CvMat型的数组里。

                                                        */

    //☆☆☆☆☆☆☆☆☆(5)SVM学习☆☆☆☆☆☆☆☆☆☆☆☆

    svm.train( data_mat, res_mat, NULL, NULL, param );

    //☆☆利用训练数据和确定的学习参数,进行SVM学习☆☆☆☆

    svm.save( "SVM_DATA.xml" );  

    //检测样本

    IplImage *test;

    vector<string> img_tst_path;

    ifstream img_tst( "E:/SVM_TEST.txt" );

    while( img_tst )

    {

        if( getline( img_tst, buf ) )

        {

            img_tst_path.push_back( buf );

        }

    }

    img_tst.close();

    CvMat *test_hog = cvCreateMat( , , CV_32FC1 );

    char line[];

    ofstream predict_txt( "SVM_PREDICT.txt" );

    for( string::size_type j = ; j != img_tst_path.size(); j++ )

    {

        test = cvLoadImage( img_tst_path[j].c_str(), );

        if( test == NULL )

        {

             cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;

               continue;

         }

        cvZero(trainImg);

        cvResize(test,trainImg);   //读取图片

        HOGDescriptor *hog=new HOGDescriptor(cvSize(,),cvSize(,),cvSize(,),cvSize(,),);  //具体意思见参考文章1,2

        vector<float>descriptors;//结果数组

        hog->compute(trainImg, descriptors,Size(,), Size(,)); //调用计算函数开始计算

        cout<<"HOG dims: "<<descriptors.size()<<endl;

        CvMat* SVMtrainMat=cvCreateMat(,descriptors.size(),CV_32FC1);

        n=;

        for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)

            {

                cvmSet(SVMtrainMat,,n,*iter);

                n++;

            }

        int ret = svm.predict(SVMtrainMat);

        sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );

         predict_txt<<line;

    }

    predict_txt.close();

//cvReleaseImage( &src);

//cvReleaseImage( &sampleImg );

//cvReleaseImage( &tst );

//cvReleaseImage( &tst_tmp );

cvReleaseMat( &data_mat );

cvReleaseMat( &res_mat );

return ;

}