PCA(Principal Component Analysis), 也就是主成分分析, 是数据分析的常用方法, 其原理是: 反映对象特征的多个属性往往存在线形相关, 所以可以找到一个合理的方法, 对此多个属性变换为线性无关的另一组属性, 变换后的属性个数小于最初的属性的个数, 也就是起到了数据降维的作用, 这样可以减少数据分析的复杂度. 自然, PCA在机器学习,计算机视觉和图像处理上, 也有重要作用. 如本文末参考文献中使用PCA来估计图像局部方向.
设 f(x,y) 为一感兴趣图像区域, 则可求得其梯度 gi 为:
gi=∇f(x,y),i=1,2,...,n
若