opencv-SVM

void MainWindow::on_SVM_Train_pushButton_clicked() {     const char *match_pic[match_all] = {         "rightPic/0.bmp", "rightPic/1.bmp", "rightPic/2.bmp", "rightPic/3.bmp", "rightPic/4.bmp",         "rightPic/5.bmp", "errorPic/6.bmp", "errorPic/7.bmp", "errorPic/8.bmp", "errorPic/9.bmp","errorPic/10.bmp","errorPic/11.bmp"     };     int i, j, k;     float labels[match_all] = { 1, 1, 1, 1, 1, 1, -1, -1, -1, -1,-1,-1 };//标记样本类别     Mat labelsMat(match_all, 1, CV_32FC1, labels);//必须为float     //读取样本数据     vector<vector<float>>  trainingData(match_all);     for (i = 0; i<match_detect; i++){         cv::Mat mat1 = cv::imread(match_pic[i], 0);         uchar* ptr = mat1.ptr(0);         int length = mat1.rows * mat1.cols;         for (j = 0; j<length; j++){             trainingData[i].push_back((float)ptr[j])  ;         }     }     //准备训练数据     //#define pic_size 68040 即图片像素总数     Mat trainingDataMat(match_all, pic_size, CV_32FC1);     for (i = 0; i<match_detect; i++)     {         for (j = 0; j<pic_size; j++)         {             trainingDataMat.at<float>(i, j) = trainingData[i][j];         }     }     // Set up SVM's parameters     //有很多训练参数的设置方式     CvSVMParams params;     params.svm_type = CvSVM::C_SVC;     params.C = 0.1;     params.kernel_type = CvSVM::LINEAR;     params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);     // Train the SVM     CvSVM SVM;     SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params);     SVM.save("1.xml"); } void  MainWindow::on_SVM_detect_pushButton_clicked() {     CvSVM SVM;     int i, j, k;     string svm_test_img;     SVM.load("1.xml");     svm_test_img = ui->svm_test_file_path->text().toStdString();     cv::Mat mat2 = cv::imread(svm_test_img, 0);     uchar* ptr2 = mat2.ptr(0);     vector<float>  testData;     //float testData[pic_size];     for (k = 0; k<pic_size; k++){         testData.push_back((float)ptr2[k]);;     }     //cv::Mat mat3(1, pic_size, CV_32FC1, testData);     Mat mat3(1, pic_size, CV_32FC1);//测试的数据     for (i = 0; i<pic_size; i++)     {         mat3.at<float>(i) = testData[i];     }     float response = SVM.predict(mat3);//进行分类预测     if (1 == response)     {         QString inf = QStringLiteral("合格");         QMessageBox::information(this, QStringLiteral("测试结果"), inf);     }     else     {         QString inf = QStringLiteral("不合格 ");         QMessageBox::information(this, QStringLiteral("测试结果"), inf);     }     printf("response:%f\n", response);     ShowImage(mat2, ui->label_5); }