使用训练好的libsvm分类器，如何对一幅新输入的图像进行识别显示？？ 求代码

使用训练好的libsvm分类器，如何对一幅新输入的图像进行识别显示？？ 求代码

其实使用libsvm进行分类很简单，只需要有属性矩阵和标签，然后就可以建立分类模型（model），然后利用得到的这个model进行分类预测了。
　　一、属性矩阵和标签：
　　一个班级里面有两个男生（男生1、男生2），两个女生（女生1、女生2），其中

　　男生1 身高：176cm 体重：70kg；
男生2 身高：180cm 体重：80kg；
女生1 身高：161cm 体重：45kg；
女生2 身高：163cm 体重：47kg；
　　如果将男生定义为1，女生定义为-1，并将上面的数据放入矩阵data中，即
　　data = [176 70;

　　180 80;

　　161 45;

　　163 47];
　　复制代码
　　在label中存入男女生类别标签（1、-1），即
　　label = [1;1;-1;-1];
　　复制代码
　　这样上面的data矩阵就是一个属性矩阵，行数4代表有4个样本，列数2表示属性有两个，label就是标签（1、-1表示有两个类别：男生、女生）。
　　二、有了上面的属性矩阵data，和标签label就可以利用libsvm建立分类模型了，简要代码如下：
　　model = svmtrain(label,data);
　　复制代码
　　有了model就可以做分类预测，比如此时该班级又转来一个新学生，其
身高190cm，体重85kg
想通过上面这些信息就给出其标签（想知道其是男【1】还是女【-1】）
比如 令 testdata = [190 85]; 由于其标签不知道，假设其标签为-1（也可以假设为1）
　　即
testdatalabel = -1;
然后利用libsvm来预测这个新来的学生是男生还是女生，代码如下：
　　[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)
　　复制代码
　　下面整体运行一下上面这段的背景数据和代码：
　　data = [176 70;

　　180 80;

　　161 45;

　　163 47];

　　label = [1;1;-1;-1];
　　model = svmtrain(label,data);
　　testdata = [190 85];

　　testdatalabel = -1;
　　[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model);

　　predictlabel
　　复制代码
　　运行结果如下：
　　Accuracy = 0% (0/1) (classification)

　　predictlabel =追问嗯嗯，我知道重新输入一幅图要进行训练和特征提取，然后用分类器识别，得到分类的结果，但是代码我不会，能不能按照我之前给的程序，给一份代码？？？