C++ 如何在OpenCV-SVM中得到分离超平面？

我试图得到与SVM相关联的超平面。为了简单起见，让我们使用假设

在这里，他们通过以下方式使用样本输出集合构建“图像”：

// Show the decision regions given by the SVM
Vec3b green(0,255,0), blue (255,0,0);
for (int i = 0; i < image.rows; ++i)
{
    for (int j = 0; j < image.cols; ++j)
    {
        Mat sampleMat = (Mat_<float>(1,2) << j,i);
        float response = svm->predict(sampleMat);

        if (response == 1)
            image.at<Vec3b>(i,j)  = green;
        else if (response == -1)
            image.at<Vec3b>(i,j)  = blue;
    }
}

//显示SVM给出的决策区域
Vec3b绿色（0255,0），蓝色（255,0,0）；
对于（int i=0；i

绿色和蓝色类之间的线显示为分隔超平面

---

现在，我的问题是：如何获取这条线作为点向量或cv:：Mat进行进一步处理？

您可以使用getSupportVector函数检索支持向量，使用getDecisionFunction函数检索决策函数的标量偏差

我假设您只需要线性支持向量机的分离边界，因为非线性情况要复杂得多

在这种情况下，分离面由类型为W*X+b=0的方程给出。 您可以很容易地找到W和b参数：所有支持向量的总和为W，b是getDecisionFunction（0）返回的值

计算W向量的代码应如下所示（未测试）：

Mat W（sv.cols，1，CV_32F，0）；
对于（int r=0；rDo），您需要从图像中找到超平面坐标，或者从svm参数中找到超平面坐标？从svm参数中找到超平面坐标。感谢您的回答。我正在寻找cv:：svm类的加权支持向量，我意识到在新的3.0 API中，
getSupportVectors（）
给出加权支持向量本身。
    Mat W(sv.cols, 1, CV_32F, 0);
    for(int r=0; r<sv.rows; ++r)
    {
        for(int c=0; c<sv.cols; ++c)
        {
            W.at<float>(c)+=sv.at<float>(r,c);
        }
    }

    Point pt1(0, b/W.at<float>(1));
    Point pt2(b/W.at<float>(0));
    line(image, pt1, pt2, color);