使用HOG实现动物分类：matlab版本

1.将图片分为测试和验证集合，分别为train_images和test_image

 

2.代码编写（HOG思想不做介绍，网上太多）

1）训练部分代码：training.m

%% 该函数是使用HOG来提取test_images下图片的特征的，代码编写参考matlab官方文档 

%% 1.获取图片以及相关的分类

currentPath = pwd;  % 获得当前的工作目录

imdsTrain = imageDatastore(fullfile(pwd,'train_images'),...  
    'IncludeSubfolders',true,...  
    'LabelSource','foldernames');   % 载入图片集合

%% 2 对训练集中的每张图像进行hog特征提取
% 预处理图像,主要是得到features特征大小，此大小与图像大小和Hog特征参数相关  
imageSize = [256,256];% 对所有图像进行此尺寸的缩放  
image1 = readimage(imdsTrain,1);  
scaleImage = imresize(image1,imageSize);  
features = extractHOGFeatures(scaleImage,'CellSize',[4,4]); 

% 提示信息
disp('开始训练数据...');
% 对所有训练图像进行特征提取  
numImages = length(imdsTrain.Files);  
featuresTrain = zeros(numImages,size(features,2),'single'); % featuresTrain为单精度  
for i = 1:numImages  
    imageTrain = readimage(imdsTrain,i);  
    imageTrain = imresize(imageTrain,imageSize);  
    featuresTrain(i,:) = extractHOGFeatures(imageTrain,'CellSize',[4,4]);  
end  

% 所有训练图像标签  
trainLabels = imdsTrain.Labels;  
  
% 开始svm多分类训练，注意：fitcsvm用于二分类，fitcecoc用于多分类,1 VS 1方法  
classifer = fitcecoc(featuresTrain,trainLabels);  

save classifer
% 提示信息
disp('训练阶段结束！！！');

　　

2）分类部分代码:classify.m

%% 该函数用来对图片进项分类 HOG + SVM

%% 1.读入待分类的图片集合
currentPath = pwd;
imdsTest = imageDatastore(fullfile(pwd,'test_image')); 

%% 2.分类，预测并显示预测效果图  
% 载入分类器
load classifer

numTest = length(imdsTest.Files);  
% correctCount:正确图片张数
correctCount = 0;

for i = 1:numTest  
    testImage = readimage(imdsTest,i);  %  imdsTest.readimage(1)
    scaleTestImage = imresize(testImage,imageSize);  
    featureTest = extractHOGFeatures(scaleTestImage,'CellSize',[4,4]);  
    [predictIndex,score] = predict(classifer,featureTest);  
    figure;imshow(imresize(testImage,[256,256]));
    
    imgName = imdsTest.Files(i);
    tt = regexp(imgName,'\','split');
    cellLength =  cellfun('length',tt);
    tt2 = char(tt{1}(1,cellLength));
    % 统计正确率
    if strfind(tt2,char(predictIndex))==1
        correctCount = correctCount+1;
    end
    
    title(['分类结果: ',tt2,'--',char(predictIndex)]);  
    fprintf('%s === %s \n',tt2,char(predictIndex));
end  

% 显示正确率
fprintf('分类结束，正确了为：%.1f%%\n',correctCount * 100.0 / numTest);