python - Tren KNN() en cv2 con opencv 3.0

opencv3.0

Question

Estoy tratando de ejecutar k-vecinos más cercanos usando cv2 (python 2.7) y opencv 3.0. He replicado el mismo mensaje de error usando un código como http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_knn/py_knn_understanding/py_knn_understanding.html :

import cv2
import numpy as np
import matplotlib.pyplot as plt
# Feature set containing (x,y) values of 25 known/training data
trainData = np.random.randint(0,100,(25,2)).astype(np.float32)
# Labels each one either Red or Blue with numbers 0 and 1
responses = np.random.randint(0,2,(25,1)).astype(np.float32)
# Take Red families and plot them
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,''r'',''^'')
# Take Blue families and plot them
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,''b'',''s'')
plt.show()
newcomer = np.random.randint(0,100,(1,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,''g'',''o'')
#The following line is modified for OpenCV 3.0
knn = cv2.ml.KNearest_create()
knn.train(trainData,responses)
ret, results, neighbours ,dist = knn.find_nearest(newcomer, 3)
print "result: ", results,"/n"
print "neighbours: ", neighbours,"/n"
print "distance: ", dist
plt.show()

Modifiqué la línea knn = cv2.ml.KNearest_create () para OpenCV 3, pero la línea siguiente produce un error "TypeError: solo los arrays de longitud-1 se pueden convertir a escalas de Python" y no puedo averiguar cuál debería ser Usando para la función de tren.

Answer 1

Usted está pasando la longitud incorrecta de la matriz para el algoritmo KNN .... Al observar su código, descubrí que no había detectado el parámetro cv2.ml.ROW_SAMPLE en la función knn.train, al pasar este parámetro se considera que la longitud de la matriz es 1 para toda fila. Por lo tanto, su código corregido sería el siguiente:

import cv2
import numpy as np
import matplotlib.pyplot as plt
trainData = np.random.randint(0,100,(51,2)).astype(np.float32)
responses = np.random.randint(0,2,(51,1)).astype(np.float32)
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,''r'',''^'')
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,''b'',''s'')
newcomer = np.random.randint(0,100,(5,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,''g'',''o'')
knn = cv2.ml.KNearest_create()
knn.train(trainData,cv2.ml.ROW_SAMPLE,responses)
ret, results, neighbours, dist = knn.findNearest(newcomer, 3)
print ("results: ", results,"/n")
print ("neighbours: ", neighbours,"/n")
print ("distances: ", dist)
plt.show()

Aquí está el resultado que obtuve de él ...