Opencv和图像分类

使用Opencv进行图像分类的应用程序，对图像的区分程度不错。

import cv2
import pandas as pd
import numpy as np
from numpy.linalg import norm
import glob
import pickle
# local modules
#RandomForestClassifier
def RandomForest_learn（xyX_testY_test）:
    from sklearn.ensemble import RandomForestClassifier
    classifier = RandomForestClassifier（n_estimators=3 criterion=‘entropy‘ random_state=0）
    classifier.fit（x y）
    y_pred = classifier.predict（X_test）
    pickle.dump（classifier open（‘RandomForestClassifier.sav‘ ‘wb‘））
    n = 0
    p = 0
    i = 0
    while i < len（y_pred）:
        if y_pred[i] == Y_test[i]:
            p = p + 1
        else:
            n = n + 1
        i = i + 1
    print（n）
    print（p）
    accuracy = （p / len（y_pred）） * 100
    print（accuracy ‘% RandomForestClassifier‘）


#DecisionTreeClassifier
def DecisionTree_learn（xyX_testY_test）:
    from sklearn.tree import DecisionTreeClassifier
    classifier = DecisionTreeClassifier（criterion=‘entropy‘ random_state=0）
    classifier.fit（x y）
    y_pred = classifier.predict（X_test）
    pickle.dump（classifier open（‘DecisionTreeClassifier.sav‘ ‘wb‘））
    n = 0
    p = 0
    i = 0
    while i < len（y_pred）:
        if y_pred[i] == Y_test[i]:
            p = p + 1
        else:
            n = n + 1
        i = i + 1
    print（n）
    print（p）
    accuracy = （p / len（y_pred）） * 100
    print（accuracy ‘% DecisionTreeClassifier‘）




#Kernel SVM classification
def KernelSVM_learn（xyX_testY_test）:
    # Fitting SVM to the Training set
    from sklearn.svm import SVC
    classifier = SVC（kernel=‘rbf‘ gamma=5.383 C=2.67）
    classifier.fit（x y）
    y_pred = classifier.predict（X_test）
    pickle.dump（classifier open（‘KernelSVMClassifier.sav‘ ‘wb‘））
    n = 0
    p = 0
    i = 0
    while i < len（y_pred）:
        if y_pred[i] == Y_test[i]:
            p = p + 1
        else:
            n = n + 1
        i = i + 1
    print（n）
    print（p）
    accuracy = （p / len（y_pred）） * 100
    print（accuracy ‘% KernelSVM‘）



#Linear SVM classification
def LinearSVM_learn（xyX_testY_test）:
    # Fitting SVM to the Training set
    from sklearn.svm import SVC
    classifier = SVC（kernel=‘linear‘ random_state=0）
    classifier.fit（x y）
    y_pred = classifier.predict（X_test）
    pickle.dump（classifier open（‘LinearSVMClassifier.sav‘ ‘wb‘））
    n = 0
    p = 0
    i = 0
    while i < len（y_pred）:
        if y_pred[i] == Y_test[i]:
            p = p + 1
        else:
            n = n + 1
        i = i + 1
    print（n）
    print（p）
    accuracy = （p / len（y_pred）） * 100
    print（accuracy ‘% linearSVM‘）


#logit classification
def Logit_learn（xyX_testY_test）:
    # Fitting Logit to the Training set
    from sklearn.linear_model import LogisticRegression
    classifier = LogisticRegression（random_state = 0）
    classifier.fit（x y）
    y_pred = classifier.predict（X_test）
    pickle.dump（classifier open（‘LogisticClassifier.sav‘ 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-19 10:42  Take_photo_By_Finger-master\
     文件        1203  2018-10-19 10:42  Take_photo_By_Finger-master\.gitignore
     文件        3768  2018-10-19 10:42  Take_photo_By_Finger-master\DecisionTreeClassifier.sav
     文件      658183  2018-10-19 10:42  Take_photo_By_Finger-master\KNeighborsClassifier.sav
     文件       59353  2018-10-19 10:42  Take_photo_By_Finger-master\KernelSVMClassifier.sav
     文件       35149  2018-10-19 10:42  Take_photo_By_Finger-master\LICENSE
     文件       81703  2018-10-19 10:42  Take_photo_By_Finger-master\LinearSVMClassifier.sav
     文件        1332  2018-10-19 10:42  Take_photo_By_Finger-master\LogisticClassifier.sav
     文件         206  2018-10-19 10:42  Take_photo_By_Finger-master\README.md
     文件       12326  2018-10-19 10:42  Take_photo_By_Finger-master\RandomForestClassifier.sav
     目录           0  2018-10-19 10:42  Take_photo_By_Finger-master\gr\
     文件         169  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.541338.png
     文件         157  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.5563493.png
     文件         186  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.5593388.png
     文件      131729  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.5633383.png
     文件         979  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.587339.png
     文件        1174  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.590338.png
     文件         643  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.605342.png
     文件       10461  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.608341.png
     文件       11567  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.6213424.png
     文件          79  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.6253388.png
     文件        2229  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937946.6283371.png
     文件         314  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937948.9613378.png
     文件         500  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937948.9953377.png
     文件         978  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.278338.png
     文件         962  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.4093368.png
     文件        1020  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.4453394.png
     文件        1335  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.47834.png
     文件        1461  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.5053358.png
     文件          67  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.5693386.png
     文件         336  2018-10-19 10:42  Take_photo_By_Finger-master\gr\1539937949.57334.png
............此处省略264个文件信息