我最近不得不处理这个问题，这就是我最终要让 SVM 处理图像的方法。
要在一组图像上训练您的 SVM，首先您必须为 SVM 构建训练矩阵。该矩阵指定如下：矩阵的每一行对应一个图像，该行中的每个元素对应于该类的一个特征——在这种情况下，是某个点的像素颜色。由于您的图像是二维的，因此您需要将它们转换为一维矩阵。每行的长度将是图像的面积（注意图像的大小必须相同）。
假设您想在 5 张不同的图像上训练 SVM，每张图像都是 4x3 像素。首先，您必须初始化训练矩阵。矩阵中的行数为 5，列数为图像的面积，4*3 = 12。
int num_files = 5;
int img_area = 4*3;
Mat training_mat(num_files,img_area,CV_32FC1);
理想情况下，num_files 和 img_area 不会被硬编码，而是通过遍历目录并计算图像数量并获取图像的实际区域来获得。
下一步是用来自每个图像的数据“填充”training_mat 的行。以下是此映射如何适用于一行的示例。
我已经对图像矩阵的每个元素进行了编号，并用它在训练矩阵中相应行中的位置进行了编号。例如，如果这是第三张图像，这将是训练矩阵中的第三行。
您必须遍历每个图像并相应地设置输出矩阵中的值。以下是多张图片的示例：
至于如何在代码中执行此操作，您可以使用reshape()，但由于矩阵不连续，我遇到了问题。根据我的经验，我做过这样的事情：
Mat img_mat = imread(imgname,0); // I used 0 for greyscale
int ii = 0; // Current column in training_mat
for (int i = 0; i<img_mat.rows; i++) {
for (int j = 0; j < img_mat.cols; j++) {
training_mat.at<float>(file_num,ii++) = img_mat.at<uchar>(i,j);
}
}
对每个训练图像执行此操作（记得递增 file_num）。在此之后，您应该正确设置训练矩阵以传递给 SVM 函数。其余的步骤应该和网上的例子很相似。
请注意，在执行此操作时，您还必须为每个训练图像设置标签。因此，例如，如果您根据图像对眼睛和非眼睛进行分类，则需要指定训练矩阵中的哪一行对应于眼睛和非眼睛。这被指定为一维矩阵，其中一维矩阵中的每个元素对应于二维矩阵中的每一行。为每个类选择值（例如，非眼睛为 -1，眼睛为 1）并将它们设置在标签矩阵中。
Mat labels(num_files,1,CV_32FC1);
因此，如果这个labels 矩阵中的第 3 个元素为 -1，则表示训练矩阵中的第 3 行属于“非眼睛”类。您可以在评估每个图像的循环中设置这些值。您可以做的一件事是将训练数据分类到每个类的单独目录中，并遍历每个目录中的图像，并根据目录设置标签。
接下来要做的是设置您的 SVM 参数。这些值会因您的项目而异，但基本上您会声明一个CvSVMParams 对象并设置值：
CvSVMParams params;
params.svm_type = CvSVM::C_SVC;
params.kernel_type = CvSVM::POLY;
params.gamma = 3;
// ...etc
网上有几个关于如何设置这些参数的示例，例如您在问题中发布的链接。
接下来，您创建一个CvSVM 对象并根据您的数据对其进行训练！
CvSVM svm;
svm.train(training_mat, labels, Mat(), Mat(), params);
根据您拥有的数据量，这可能需要很长时间。但是，在完成训练后，您可以保存训练后的 SVM，这样您就不必每次都重新训练它。
svm.save("svm_filename"); // saving
svm.load("svm_filename"); // loading
要使用经过训练的 SVM 测试您的图像，只需读取图像，将其转换为一维矩阵，然后将其传递给 svm.predict()：
svm.predict(img_mat_1d);
它将根据您设置的标签返回一个值（例如，-1 或 1，基于我上面的眼睛/非眼睛示例）。或者，如果您想一次测试多个图像，您可以创建一个与之前定义的训练矩阵具有相同格式的矩阵，并将其作为参数传递。不过返回值会有所不同。
祝你好运！