利用svm取抠图像中的固定目标，去掉背景

利用svm完成图像的目标分割，里面包含测试图片，效果还不错，值得用户去学习

%% 
tic;
close all;
% clear;
clc;
format compact;
%%
%pic = imread（‘f3.jpg‘）;
[filenamepathnameflag]=uigetfile（‘*.jpg‘‘请导入图像文件‘）;
pic=imread（[pathnamefilename]）;
figure;
imshow（pic）;
%% 确定训练集

TrainData_background = zeros（203‘double‘）;
TrainData_foreground = zeros（203‘double‘）;

% 背景采样
msgbox（‘Please get 20 background samples‘‘Background Samples‘‘help‘）;
pause;
for run = 1:20
    [xy] = ginput（1）;
    hold on;
    plot（xy‘r*‘）;
    x = uint8（x）;
    y = uint8（y）;

    TrainData_background（run1） = pic（xy1）;
    TrainData_background（run2） = pic（xy2）;
    TrainData_background（run3） = pic（xy3）;
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
    [xy] = ginput（1）;
    hold on;
    plot（xy‘ro‘）;
    x = uint8（x）;
    y = uint8（y）;
    TrainData_foreground（run1） = pic（xy1）;
    TrainData_foreground（run2） = pic（xy2）;
    TrainData_foreground（run3） = pic（xy3）;
end 
% 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）;
[mnk] = size（pic）;
TestData = double（reshape（picm*nk））;
TestLabal = svmpredict（zeros（length（TestData）1） TestData model）;
%% 
ind = reshape（[TestLabalTestLabalTestLabal]mnk）;
ind = logical（ind）;
pic_seg = pic;
pic_seg（~ind） = 0;
figure;
imshow（pic_seg）;
figure;
subplot（121）;
imshow（pic）;
subplot（122）;
imshow（pic_seg）;
%%
toc;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    2539047  2017-02-04 15:59  RedMaple_3.jpg

     文件       6386  2015-11-25 18:26  112502\f1.jpg

     文件      11618  2015-11-25 18:26  112502\f2.jpg

     文件       9972  2015-11-25 18:24  112502\f3.jpg

     文件      12822  2015-11-25 18:27  112502\f4.jpg

     文件      11100  2015-11-25 18:25  112502\f5.jpg

     文件      17122  2015-11-25 18:27  112502\f6.jpg

     文件       1747  2017-02-04 16:29  112502\seg2.asv

     文件       1747  2015-11-26 00:38  112502\seg2.m

     文件     483264  2015-11-25 21:21  112502\SVM演示效果.docx

     文件        385  2009-04-21 16:05  kmeans后的图像分割\classtrain.mat

     文件        384  2009-04-21 16:21  kmeans后的图像分割\classtrain_car_4.mat

     文件        339  2009-04-21 16:23  kmeans后的图像分割\classtrain_figure_1.mat

     文件        338  2009-04-21 16:25  kmeans后的图像分割\classtrain_object_2.mat

     文件       5272  2008-09-19 16:22  kmeans后的图像分割\determine_alpha1amended.m

     文件       3493  2008-08-26 16:40  kmeans后的图像分割\determine_alpha2.m

     文件       7330  2009-04-21 11:58  kmeans后的图像分割\free sample.fig

     文件        808  2009-04-21 14:33  kmeans后的图像分割\free_sample_090421.asv

     文件        955  2009-04-21 15:48  kmeans后的图像分割\free_sample_090421.m

     文件       1073  2005-07-26 16:24  kmeans后的图像分割\Kernel.m

     文件       1500  2009-02-17 17:32  kmeans后的图像分割\kmeans.m

     文件        347  2017-02-04 16:12  kmeans后的图像分割\readme.txt

     文件       3245  2009-04-21 10:48  kmeans后的图像分割\seglab_SMO_algorithm_090421.m

     文件       1917  2009-04-21 13:23  kmeans后的图像分割\seg_lab_090421.asv

     文件       1990  2009-04-22 10:03  kmeans后的图像分割\seg_lab_090421.m

     文件    2333199  2017-02-04 15:59  RedMaple_1.jpg

     文件    1691757  2017-02-04 15:59  RedMaple_2.JPG

     目录          0  2017-02-04 16:37  112502

     目录          0  2017-02-04 16:37  kmeans后的图像分割

----------- ---------  ---------- -----  ----

............此处省略2个文件信息