#?-*-?coding:utf-8?-*-
import?cv2
import?numpy?as?np
from?os.path?import?join

trainpath?=?‘D:\PyCharm?2018.2.2\program\image\CarData\TrainImages‘

#定義函數返回訓練集圖像的路徑
def?path（clsi）:
????return?‘%s\%s%d.pgm‘%（trainpathclsi+1）

posneg?=?‘pos-‘‘neg-‘

#創建兩個SIFT對象，一個用來提取關鍵點，一個用來提取特征描述符
sift_kp?=?cv2.xfeatures2d.SIFT_create（）
sift_des?=?cv2.xfeatures2d.SIFT_create（）

#創建FLANN匹配器
indexParams?=?dict（algorithm=1?trees=5）
searchParams?=?{}
flann?=?cv2.FlannbasedMatcher（indexParams?searchParams）

#創建bow訓練器，指定簇數為40
bow_kmeans_trainer?=?cv2.BOWKMeansTrainer（40）
#創建bow特征提取器，視覺詞匯將作為bow提取器的輸入，bow提取器用來提取圖像的特征，與視覺單詞進行特征匹配，返回以視覺單詞為詞基的向量特征
bow_extractor?=?cv2.BOWImgDescriptorExtractor（sift_desflann）

#函數返回圖像的特征描述符，SIFT.compute（圖像，關鍵點）
def?des_extract（imgpath）:
????img?=?cv2.imread（imgpath0）
????return?sift_des.compute（imgsift_kp.detect（img））[1]

#將正負樣本的描述符添加至bow訓練器中
for?i?in?range（50）:
????bow_kmeans_trainer.add（des_extract（path（posi）））
????bow_kmeans_trainer.add（des_extract（path（negi）））

#cluster（）函數執行k-means分類，并返回視覺詞匯，將視覺詞匯輸入到bow提取器中
vocabulary?=?bow_kmeans_trainer.cluster（）
bow_extractor.setVocabulary（vocabulary）

#定義函數，返回bow提取器提取的特征描述符
def?bow_features（imgpath）:
????img?=?cv2.imread（imgpath）
????return?bow_extractor.compute（img