基于PCA的人脸识别---Python

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