Это зависит от того, какую библиотеку компьютерного зрения / процессора изображений вы используете.Например, OpenCV имеет встроенную функциональность SVM:
http://opencv.willowgarage.com/documentation/cpp/support_vector_machines.html
, поэтому вам даже не нужно экспортировать функции.Но LIBSVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) имеет гораздо больше привязок, например, для Matlab.
Что касается того, как передать функции SVM ... вход большинства классификаторов (включая SVM)многомерный вектор, так что вы можете получить один, например, конкатенировать первые 10 кортежей xy-width-height. Однако это наивное решение вряд ли сработает, потому что, если вы измените порядок кортежей (или вы поворачиваете монету так,что координаты xy меняются), вы получите совершенно разные векторы, поэтому попробуйте составить изображение монеты -> векторное отображение объекта, которое не меняется при вращении / перемещении монеты / добавлении шума (вторая идея: упорядоченные объектыпо размеру, первые 5-10, с некоторыми дескрипторами формы вместо простой ширины / высоты, может быть?)
Имена монет в основном не имеют значения на этом этапе, используйте кодирование 1-N для вывода SVM.