学习OpenCV：PCA

Principal Component Analysis，主成分分析。

协方差：通过协方差的数值大小，可以判断这两个变量同向或反向的程度；

相关系数：协方差除以标准差；

https://www.zhihu.com/question/20852004

总结一下PCA的算法步骤：

设有m条n维数据。

1）将原始数据按列组成n行m列矩阵X

2）将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值

3）求出协方差矩阵C=1mXXTC=1mXXT

4）求出协方差矩阵的特征值及对应的特征向量

5）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P

6）Y=PXY=PX即为降维到k维后的数据

参考链接：http://blog.codinglabs.org/articles/pca-tutorial.html

	Mat imgSrc = imread("lena.jpg");
	cvtColor(imgSrc, imgSrc, COLOR_RGB2GRAY);
	normalize(imgSrc, imgSrc, 0, 255, cv::NormTypes::NORM_MINMAX, CV_8UC1);
	PCA pca(imgSrc, Mat(), PCA::DATA_AS_COL, 50);
	cout << "均值的规格：" << pca.mean.size() << endl;//均值
	cout << "特征值的规格：" << pca.eigenvalues.size() << endl;//特征值
	cout << "特征向量的规格：" << pca.eigenvectors.size() << endl;//特征向量
	Mat imgPCA = pca.project(imgSrc);
	Mat imgNew = pca.backProject(imgPCA);
	normalize(imgNew, imgNew, 0, 255, cv::NormTypes::NORM_MINMAX, CV_8UC1);
	imshow("1", imgSrc);
	imshow("2",imgNew);
	waitKey();