C# 用Emgucv实现机器学习图像分类的训练，测试完整例程

以下是一个完整的C#代码例程，用于使用Emgu CV实现机器学习图像分类的训练和测试：

using System;
using System.IO;
using Emgu.CV;
using Emgu.CV.CvEnum;
using Emgu.CV.ML;
using Emgu.CV.ML.MlEnum;
using Emgu.CV.Structure;

namespace ImageClassification
{
    class Program
    {
        static void Main(string[] args)
        {
            // 图像大小
            const int imageWidth = 128;
            const int imageHeight = 128;

            // 训练集和测试集目录
            var trainDir = Path.Combine(Environment.CurrentDirectory, "train");
            var testDir = Path.Combine(Environment.CurrentDirectory, "test");

            // 类别数量
            var classCount = Directory.GetDirectories(trainDir).Length;

            // 创建模型
            var model = new SVM();

            // 创建训练数据
            var trainData = new Mat();
            var trainLabels = new Mat();
            foreach (var classDir in Directory.GetDirectories(trainDir))
            {
                var className = Path.GetFileName(classDir);
                var classLabel = int.Parse(className);

                foreach (var imagePath in Directory.GetFiles(classDir))
                {
                    using (var image = new Image<Bgr, byte>(imagePath))
                    {
                        var resizedImage = image.Resize(imageWidth, imageHeight, Inter.Linear);
                        var featureVector = resizedImage.Flatten().ToMat();
                        trainData.PushBack(featureVector);
                        trainLabels.PushBack(new Mat(1, 1, DepthType.Cv32S, classLabel));
                    }
                }
            }

            // 训练模型
            var trainParams = new SVMParams
            {
                KernelType = SVMKernelType.Linear,
                C = 1,
                Gamma = 0.1,
            };
            model.TrainAuto(trainData, SampleTypes.RowSample, trainLabels, varIdx: null, param: trainParams);

            // 测试模型
            var testData = new Mat();
            var testLabels = new Mat();
            foreach (var classDir in Directory.GetDirectories(testDir))
            {
                var className = Path.GetFileName(classDir);
                var classLabel = int.Parse(className);

                foreach (var imagePath in Directory.GetFiles(classDir))
                {
                    using (var image = new Image<Bgr, byte>(imagePath))
                    {
                        var resizedImage = image.Resize(imageWidth, imageHeight, Inter.Linear);
                        var featureVector = resizedImage.Flatten().ToMat();
                        testData.PushBack(featureVector);
                        testLabels.PushBack(new Mat(1, 1, DepthType.Cv32S, classLabel));
                    }
                }
            }

            var testResult = model.Predict(testData);
            var accuracy = model.Evaluate(testData, testLabels);

            Console.WriteLine($"Test accuracy: {accuracy}");
        }
    }
}

这个例程使用SVM模型来进行图像分类。它首先将训练集和测试集中的图像转换为特征向量，并使用这些特征向量来训练模型。在测试阶段，它将测试集的特征向量输入到模型中，并计算模型的精度。

请注意，这个例程使用了Emgu CV的ML模块来训练和测试模型。如果您需要使用卷积神经网络等其他机器学习模型，可以使用Emgu CV的DNN模块。