我正在使用OpenCV 2.4和Python 2.7。哪些图像特征可以用于SVM分类？我已经了解了SURF和SIFT，但作为初学者，我觉得这些对我来说非常困难。还有其他什么特征提取技术吗？

回答：

如果你正在寻找最简单的表示方式，那么这将对你有帮助。这两个方法与SIFT和SURF相比非常简单

1. 位图表示
2. HOG-梯度直方图

SVM是一种用于数据分类的机器学习模型。我已经构建了一个简单的SVM分类器。如果你有两个文件夹的图像，鸟类和松鼠。我遵循的步骤是

1. 提取图像的HOG特征并将它们添加到列表中

   for file in listing1: img = cv2.imread(path1 + file) res=cv2.resize(img,(250,250)) h=hog(res) training_set.append(h)

2. 也添加标签

    training_labels.append(1)

3. 将两个列表转换为numpy数组。

   trainData=np.float32(training_set)responses=np.float32(training_labels)

4. 训练SVM

   svm.train(trainData,responses, params=svm_params)

5. 测试SVM

   result = svm.predict_all(testData)print result