实验一 基于PCA的人脸识别
一、 实验目的
1 理解和掌握PCA原理
2 利用PCA降维,辅助完成一项实战内容。
二、 实验原理
矩阵的主成分就是其协方差矩阵对应的特征向量,按照对应的特征值大小进行排序,最大的特征值就是第一主成分,其次是第二主成分,以此类推。
三、 算法流程
四、 人脸识别步骤
1.利用给定的数据集,执行上述算法,得到投影矩阵W;
2.计算训练集的投影后的矩阵:P=WX;
3.加载一个测试图片T,测试图片投影后的矩阵为:TestT=WT;
4.计算TestT和P中每个样本距离,选出最近的那个即可。
5.显示投影前后的两张图片。
五、 代码和执行结果展示
(一)实现代码
# -*- coding: utf-8 -*-
"""
Created on Fri Apr 10 16:48:22 2020
@author: tangchunhua
"""
import numpy as np
import tkinter as tk
from PIL import Image,ImageTk
from tkinter.filedialog import askopenfilename
Image_size=(40,30)
#将图片库中的图片按顺序命名,并将其像数值存到一个数组中
def Database(path,n):
ImageMatrix=[]
for i in range(1,n+1):
ImageXn=Image.open(path+'\\'+str(i)+'.jpg')
ImageXn=ImageXn.resize(Image_size)
grayImage=ImageXn.convert('L')
ImageArray=list(grayImage.getdata())
ImageMatrix.append(ImageArray)
ImageMatrix=np.array(ImageMatrix)
return ImageMatrix
def TrainDatabase(matrix):
#对样本进行中心化
picNumber,picSize=np.shape(matrix)
meanArray=matrix.mean(axis=0)
diffMatrix=matrix-meanArray
diffMatrix=np.mat(diffMatrix).T
#计算样本的协方差矩阵
covariance=diffMatrix*diffM