TrainData类型数据集（OpenCV案例源码letter_recog.cpp解读2）

Posted 2021-03-05 xixixing

letter_recog.cpp是ml.hpp的最佳案例，可以解读出样本集、机器学习的内容，所以写了两篇博客。

ml.hpp的整体理解，请拜读大神的文章，多读几遍。

【样本集】

1、文件的读取、保存，推荐用load()、save()，而不是read()、write()。

2、样本集有data（数据集）、responses（标签集）两部分，data必须是32FC1(32位浮点单通道)类型。

【TrainData类型的解释】

解释针对分类问题，而不是回归拟合。samples样本集中每1行为1个样本，每1列为1个特征。
Ptr<TrainData> create(InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(),InputArray sampleWeights=noArray(), InputArray varType=noArray());
　　samples——样本集（特征变量组成的集合），必须是32FC1(32位浮点单通道)类型
　　layout——样本布局，ROW_SAMPLE = 0，COL_SAMPLE = 1，此处只用前者
　　responses——类别标签，必须是CV_32S类型（即int型）。一维向量，与每一行样本对应。
　　varIdx——参与训练的特征（默认都参与），元素为0、非0的一维向量（行列都可），大小为特征数（列数）。1对应的样本参与训练（非0有效），格式用CV_8U即可
　　sampleIdx——参与训练的样本（默认都参与），同上，大小为总样本数（行数）
　　sampleWeights——样本权重，忽略不用
　　varType——特征变量的类型，忽略不用

【其他函数讲解】

fgets(str,n,fp);

从fp指向的文件中获取n-1个字符，并在最后加一个‘‘字符，共n个字符，放到字符数组str中。
如果在读完n-1个字符之前就遇到了换行符或eof，读入结束。
fgets函数返回值为str的首地址。

float a;
int b;
sscanf(ptr, "%f%n", &a, ,&b);//ptr指向的内容中获取浮点型格式的数据保存到a中（%f的作用），此%n所在位置（在当前浮点型之后1位）之前的字符个数保存到b中（%n的作用）

// 把既有标签又有特征的集合，拆分为标签集_responses、特征集_data，var_count是特征数（_data的列数）
static bool read_num_class_data(const string& filename, int var_count,Mat* _data, Mat* _responses)
{
    const int M = 1024;//每行最多读取1024个字符
    char buf[M + 2];//buf的第一个元素用于存放标签

    Mat el_ptr(1, var_count, CV_32F);//用于存放特征集
    int i;
    vector<int> responses;//用于存放标签，push_back buf的第一个元素

    _data->release();
    _responses->release();

    FILE* f = fopen(filename.c_str(), "rt");//r只读,t文本文件（可省略，默认t）
    if (!f)
    {
        cout << "Could not read the database " << filename << endl;
        return false;
    }

    for (;;)
    {
        char* ptr;
        if (!fgets(buf, M, f) )//此处每次读一行，因为每行不够1024个字符，遇到换行符停止读取。
            break;//直到最后一行
        responses.push_back((int)buf[0]);//每行第1个元素放入responses中（标签）
        ptr = buf + 2;//ptr指向第一个逗号之后的数据，即第一个样本的第一个特征值
        for (i = 0; i < var_count; i++)//遍历一行中的每个元素
        {
            int n = 0;
            sscanf(ptr, "%f%n", &el_ptr.at<float>(i), &n);//把一行中的浮点数存放到el_ptr一维行向量中
            ptr += n + 1;//跳过逗号
        }
        _data->push_back(el_ptr);//存到特征集_data，_data指向一片Mat空间
    }
    fclose(f);
    Mat(responses).copyTo(*_responses);//保存到_responses指向的Mat空间

    cout << "The database " << filename << " is loaded.
";

    return true;
}