基于libsvm的图像分割 ——30cases与40cases&25cases“联谊”第一弹 By faruto 2010/6/2          很早就想用libsvm来做图像相关的一些东西，因为libsvm我自认为还算熟悉，图像基本的一些东西也都零散的学过，但用libsvm来做图像相关的，还未曾“染指”。正好rocwoods的25cases有这个相关的，所以详细研究学习了一下~          “联谊”案例：30cases第12、13章（libsvm分类相关），25cases案例18——9.3.4（用matlab自带的svm实现图像分割），40cases案例37——A.2.2（用kmeans实现图像分割）          现用libsvm来实现图像分割，测试图片用的亦是25cases和40cases中的那个littleduck测试图片。主体程序思想为25cases中的代码过程，改进之处为可以让用户利用ginput来提取背景的样本点和前景（待分割出来的目标）的样本点作为训练样本，而不需实现指定背景和前景的样本点，也不用额外的小软件来查看某点的RGB值，ginput即可。O(∩_∩)O~          测试代码： [code] %% ImSegmentLibsvm % a litter test of image segment based on libsvm % by faruto % Email:patrick.lee@foxmail.com % QQ:516667408 % http://blog.sina.com.cn/faruto % last modified 2010.06.01 % Super Moderator @ www.ilovematlab.cn %% tic; close all; % clear; clc; format compact; %% pic = imread('littleduck.jpg'); figure; imshow(pic); %% 确定训练集   TrainData_background = zeros(10,3,'double'); TrainData_foreground = zeros(10,3,'double');   % 背景采样 msgbox('Please get 20 background samples','Background Samples','help'); pause; for run = 1:20     [x,y] = ginput(1);     hold on;     plot(x,y,'r*');     x = uint8(x);     y = uint8(y);     TrainData_background(run,1) = pic(x,y,1);     TrainData_background(run,2) = pic(x,y,2);     TrainData_background(run,3) = pic(x,y,3); end % 待分割出来的前景采样 msgbox('Please get 20 foreground samples which is the part to be segmented', 'Foreground Samples','help'); pause; for run = 1:20     [x,y] = ginput(1);     hold on;     plot(x,y,'ro');     x = uint8(x);     y = uint8(y);     TrainData_foreground(run,1) = pic(x,y,1);     TrainData_foreground(run,2) = pic(x,y,2);     TrainData_foreground(run,3) = pic(x,y,3); end % % 背景训练样本 10*3 % TrainData_background = ... %     [52 74 87; %     76 117 150; %     19 48 62; %     35 64 82; %     46 58 36; %     50 57 23; %     110 127 135; %     156 173 189; %     246 242 232; %     166 174 151]; % % 前景训练样本 8*3 % TrainData_foreground = ... %     [211 192 107; %     202 193 164; %     32 25 0; %     213 201 151; %     115 75 16; %     101 70 0; %     169 131 22; %     150 133 87];   % let background be 0 & foreground 1 TrainLabel = [zeros(length(TrainData_background),1); ...     ones(length(TrainData_foreground),1)]; %% 建立支持向量机 基于libsvm TrainData = [TrainData_background;TrainData_foreground];   model = svmtrain(TrainLabel, TrainData, '-t 1 -d 1'); %% 进行预测 i.e.进行图像分割 基于libsvm preTrainLabel = svmpredict(TrainLabel, TrainData, model); [m,n,k] = size(pic); TestData = double(reshape(pic,m*n,k)); TestLabal = svmpredict(zeros(length(TestData),1), TestData, model); %% ind = reshape([TestLabal,TestLabal,TestLabal],m,n,k); ind = logical(ind); pic_seg = pic; pic_seg(~ind) = 0; figure; imshow(pic_seg); figure; subplot(1,2,1); imshow(pic); subplot(1,2,2); imshow(pic_seg); %% toc; [/code]   测试图片结果：