首先感几位谢博主的分享，对我的帮助很大！
https://blog.csdn.net/hongxisen/article/details/82017099
https://blog.csdn.net/cwlwlw/article/details/103223502
https://blog.csdn.net/YK_LaNce/article/details/100576560

采集公司的业务需要，要采集激光点的位置，大体的流程-> 拍照采集，制作样本，训练分类器。使用分类器识别点。
开发环境 mac os ，opencv 4.1.2 ，辅助 Python 2.7.17 、idea、 ps。

生成自己的样本大体分为以下三部进行：

1、 采集样本 正负样本
2、 样本数据的处理
3、训练分类器

---

首先要采集正负样本

正负样本流程->拍照，裁剪标示物图像，统一图像分辨率，灰度化，生成描述文件，利用生成描述文件生成 .vec文件 /end

手机拍照采集正样本

1、大概拍了50多张

image.png

2、然后用ps把图片里面的激光点都截取出来

image.png
image.png

3、统一分辨率，将截取后的图片放到一个文件夹里面，使用ps图像批处理功能将图像统一裁剪成统一像素大小 2020 / 3030 / 5050/基本上大多数都是这几种，小的速度快，看个人，我这里选取的是5050

image.png

得到裁剪后的图像，并重命名（之后脚本处理方便）

image.png

4、灰度化，利用python处理处理图像,实际上就是将每一张图像灰度化

import cv2
path = "/Users/Pictures/HY/pos/"  #文件路径

# 处理正样本 负样本
for i in range(1, 59):  #循环处理文件个数
    print(path + str(i) + '.jpg')
    img = cv2.imread(path + str(i) + '.jpg', cv2.IMREAD_GRAYSCALE)  #加载图像
    img5050 = cv2.resize(img, (50, 50))  #灰度化
    cv2.imshow("img", img5050)
    cv2.waitKey(50)
    cv2.imwrite('/Users/Pictures/HY/pos/' + str(i) + '.jpg', img5050)  #存储处理好的图片

处理后

image.png

5、生成描述文件，

# 生成描述文件
import os
path = "/Users/Pictures/HY/pos/"
for file_type in ['pos']:
    for img in os.listdir(path):
        if (file_type == 'pos'):
            print(path + img)
            line = path + img + ' 1 0 0 50 50 \n'
            with open(path + '/pos.txt', 'a') as f:
                f.write(line)

描述文件

image.png

其实就是将灰度后的图片路径加描述写到文本里面，也可以手动完成

5、正样本最后一步，利用opencv的 opencv_createsamples命令生成 .vec文件

/usr/local/Cellar/opencv@2/2.4.13.7_5/bin/opencv_createsamples -vec pos.vec -info  pos.txt -num 59 -w 50 -h 50

image.png
image.png

得到正样本 pos.vec
到此，我们的正样本就处理完成了

---

负样本

1、负样本采用的是weizmann团队http://www.wisdom.weizmann.ac.il/~vision/Seg_Evaluation_DB/dl.html 网站上的图像分割数据库里面的灰色图像，直接就可以用，图像不需要任何处理
2、也可以自己采集，和正样本图像一样，需要灰度化，不要求样本尺寸，且负样本不能重复，要增大负样本的差异性。
这里我用的是1，这个文件夹里面就是我们需要的灰度图，直接把这些图片取出来放到一起就行，重命名，生成描述文件

image.png
image.png
image.png
注意，这里生成负样本的描述文件不需要像正样本那样附带文件的信息，直接就是文件的路径
得到我们的负样本的描述文件 neg.txt
到此，我们的负样本就处理完成了

---

经过正负样本的处理，最后得到两个文件 neg.txt pos.vec

image.png

制作xml文件

最简单，也是浪费我最长时间的一步

 /usr/local/Cellar/opencv@2/2.4.13.7_5/bin/opencv_haartraining  -data xml -vec pos.vec -bg neg.txt -nstages 10 -nsplits 1 -npos 50  -nneg 80 -mem 1280 -mode all -w 50 -h 50

只需要这一个命令，将这两个文件制作成xml
一切都正常就应该得到这样的结果，得到xml文件

image.png
image.png

采集样本结束，接下来我们就可以用我们自己做的分类器进行识别了，end

---

过程中遇到两个问题

1、如图，会卡在那里，只能control+c来取消

image.png

2、Invalid background description file.

image.png
1、这两个问题都是负样本的问题，pos:50 50 1.00 说明正样本没问题了，检查负样本的描述文件是否包含其他格式的文件，或者包含其他多余的换行字符，
2、实在没找到问题，就重新创建灰度化的图片，生成样本，（我之前是把png的图片批量处理成jpg的文件，生成描述文件就一直报错，后来用灰度原图png生成就OK了）

完成

至此 分类器制作完成，接下来放到你的识别项目进行识别就可以了

image.png