OpenCV + Scikit-learn 图像分类：从直方图特征到6类垃圾分类实战
OpenCV + Scikit-learn 图像分类实战：从直方图特征到6类垃圾分类
在计算机视觉领域，图像分类一直是核心任务之一。传统机器学习方法虽然不如深度学习那样"全能"，但在数据量有限、计算资源受限的场景下，它们依然展现出强大的实用价值。本文将带您完整实现一个基于OpenCV特征提取和Scikit-learn模型训练的垃圾分类系统，涵盖从数据预处理到模型部署的全流程。
1. 项目概述与环境准备
垃圾分类是环保领域的重要应用场景。我们使用的数据集包含六大类垃圾图像：纸板(cardboard)、玻璃(glass)、金属(metal)、纸张(paper)、塑料(plastic)和其他垃圾(trash)。每类约100张图片，总计600张256×256像素的RGB图像。
环境依赖：
# 核心工具包 import cv2 import numpy as np from sklearn.model_selection import train_test_split # 机器学习算法 from sklearn.naive_bayes import BernoulliNB from sklearn.tree import DecisionTreeClassifier from sklearn.svm import SVC # 评估指标 from sklearn.metrics import classification_report, confusion_matrix import seaborn as sns import matplotlib.pyplot as plt数据集目录结构：
Garbage_classification/ ├── 0/ # cardboard ├── 1/ # glass ├── 2/ # metal ├── 3/ # paper ├── 4/ # plastic └── 5/ # trash2. 图像特征工程：直方图提取
传统机器学习中，特征工程的质量直接影响模型性能。我们采用颜色直方图作为图像的表征：
def extract_histogram(image_path): """提取RGB双通道直方图特征""" image = cv2.imread(image_path) image = cv2.resize(image, (256, 256)) hist = cv2.calcHist([image], [0, 1], None, [256, 256], [0, 256, 0, 256]) return (hist / 255).flatten() # 归一化并展平为什么选择双通道直方图？
- 相比单通道，RGB两两组合能更好保留色彩分布信息
- 256×256的直方图维度适中（65536维）
- 对平移和旋转具有一定不变性
3. 数据预处理流程
完整的预处理流程包括图像读取、特征提取和数据集划分：
def load_dataset(data_path="Garbage_classification"): X, y = [], [] for class_id in range(6): # 6个类别 class_dir = f"{data_path}/{class_id}" for img_file in os.listdir(class_dir): img_path = os.path.join(class_dir, img_file) try: hist = extract_histogram(img_path) X.append(hist) y.append(class_id) except Exception as e: print(f"Error processing {img_path}: {str(e)}") X = np.array(X) y = np.array(y) return train_test_split(X, y, test_size=0.3, random_state=42)数据增强技巧（可选）：
# 使用albumentations进行实时增强 import albumentations as A augmentor = A.Compose([ A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(p=0.2), A.RGBShift(p=0.3) ])4. 模型训练与评估
我们对比三种经典算法：朴素贝叶斯、决策树和SVM。
4.1 朴素贝叶斯分类器
# BernoulliNB更适合二值化特征 nb_clf = BernoulliNB(alpha=1.0, binarize=0.5) nb_clf.fit(X_train, y_train) nb_pred = nb_clf.predict(X_test) print("Naive Bayes Performance:") print(classification_report(y_test, nb_pred))参数说明：
alpha: 平滑参数，防止零概率问题binarize: 特征二值化阈值
4.2 决策树分类器
dt_clf = DecisionTreeClassifier( max_depth=11, min_samples_split=12, min_samples_leaf=2, max_features=83 ) dt_clf.fit(X_train, y_train) dt_pred = dt_clf.predict(X_test) print("Decision Tree Performance:") print(classification_report(y_test, dt_pred))决策树调参建议：
from sklearn.model_selection import GridSearchCV params = { 'max_depth': [5, 10, 15, 20], 'min_samples_split': [2, 5, 10] } grid_search = GridSearchCV(DecisionTreeClassifier(), params, cv=5)4.3 支持向量机(SVM)
svm_clf = SVC( C=1.0, kernel='rbf', gamma='scale', probability=True ) svm_clf.fit(X_train, y_train) svm_pred = svm_clf.predict(X_test) print("SVM Performance:") print(classification_report(y_test, svm_pred))SVM核心参数：
| 参数 | 说明 | 推荐值 |
|---|---|---|
| C | 正则化参数 | 0.1-10 |
| kernel | 核函数类型 | 'linear', 'rbf' |
| gamma | 核系数 | 'scale', 'auto' |
5. 模型对比与可视化
性能对比表：
| 指标 | 朴素贝叶斯 | 决策树 | SVM |
|---|---|---|---|
| 准确率 | 52.04% | 52.17% | 66.13% |
| Kappa系数 | 0.404 | 0.406 | 0.577 |
| 训练时间 | 0.12s | 0.45s | 2.31s |
| 预测速度 | 0.01s/图 | 0.003s/图 | 0.02s/图 |
混淆矩阵可视化：
def plot_confusion_matrix(cm, classes): plt.figure(dpi=120) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=classes, yticklabels=classes) plt.xlabel('Predicted') plt.ylabel('True') # 以SVM为例 cm = confusion_matrix(y_test, svm_pred) plot_confusion_matrix(cm, ['cardboard','glass','metal','paper','plastic','trash'])6. 工程化扩展
6.1 模型持久化
import joblib # 保存模型 joblib.dump(svm_clf, 'garbage_svm_model.pkl') # 加载模型 clf = joblib.load('garbage_svm_model.pkl')6.2 实时预测API
from flask import Flask, request, jsonify app = Flask(__name__) model = joblib.load('garbage_svm_model.pkl') @app.route('/predict', methods=['POST']) def predict(): file = request.files['image'] img = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR) hist = extract_histogram(img) pred = model.predict([hist]) return jsonify({'class': int(pred[0])}) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)6.3 超参数优化
from sklearn.model_selection import RandomizedSearchCV svm_params = { 'C': np.logspace(-3, 3, 7), 'gamma': np.logspace(-3, 3, 7), 'kernel': ['linear', 'rbf'] } random_search = RandomizedSearchCV( SVC(), svm_params, n_iter=20, cv=3, n_jobs=-1 ) random_search.fit(X_train, y_train)7. 性能优化技巧
特征降维：
from sklearn.decomposition import PCA pca = PCA(n_components=0.95) # 保留95%方差 X_train_pca = pca.fit_transform(X_train) X_test_pca = pca.transform(X_test)类别不平衡处理：
from imblearn.over_sampling import SMOTE smote = SMOTE(random_state=42) X_res, y_res = smote.fit_resample(X_train, y_train)并行化训练：
# 设置n_jobs参数利用多核 svm_clf = SVC(n_jobs=-1) # 使用所有CPU核心在实际项目中，我们发现SVM在中等规模数据集上表现最优，但决策树在小样本实时预测场景更具优势。直方图特征虽然简单，但对颜色分布明显的分类任务（如区分玻璃和金属）效果显著。