java opencv calcCovarMatrix 计算协方差矩阵_calccovarmatrix函数定义-CSDN博客

本文链接：https://blog.csdn.net/datouniao1/article/details/113755929

在opencv的Core中有一个函数是计算协方差矩阵，这个函数为：calcCovarMatrix
在这里我们就来简单的介绍一些协方差矩阵
方差

方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度
我们首先看看方差，对于单个向量，我们称为是方差。比如一个n维的向量 $X=\left ( {x_{1},x_{2},x_{3}\cdot \cdot \cdot \cdot,x_{n}}} \right )^{T}$ 其中方差我们应该：

标准差：方差开根号

对于两个向量：还有一个概念，协方差

协方差：在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。

比如向量： $X=\left ( {x_{1},x_{2},x_{3}\cdot \cdot \cdot \cdot,x_{n}}} \right )^{T}$ 和 $Y=\left ( {y_{1},y_{2},y_{3}\cdot \cdot \cdot \cdot,x_{n}}} \right )^{T}$

协方差计算方式：

协方差是描述两个向量直接的关系

我们计算来一个简单的例子：

对于向量：

$X=\left ( {112,93} \right )^{T}$

$Y=\left ( {147,156} \right )^{T}$

如何来求解这个来年两个向量的协方差

我们利用协方差的计算公式:

X的均值为：102.5 Y的均值为：151.5

这个地方 * 我们作为当做内积来使用

所以（112-102.5,93-102.5）* (147-151.5,157-151.5)=(9.5,-9.5)*(-3.5,4.5)=-9.5*3.5-9.5*4.5=85.5

协方差矩阵：

对矩阵来说，我们可以看做是n*m (n行，m列)矩阵，我们的协方差矩阵我们可以看成是m 向量之间的相互关联，那么m个向量之间的关联关系，任意的两个向量之间都存在关系，所以我们可以知道协方差矩阵的维度为m*m

那么任意两个向量之间都是存在协方差，，比如一个3*2的矩阵

$\begin{bmatrix} 0,1 & \\ 2,3& \\ 4,5& \end{bmatrix}$

那么我们可以其协方差矩阵的维度为2*2

		int matSize = 2;
        Mat covar = new Mat(matSize, matSize, CvType.CV_8UC1);
        Mat mean = new Mat(1, matSize, CvType.CV_8UC1);
        Mat src = new Mat(new Size(2,3),CvType.CV_32FC1);
        src.put(0, 1, new double[] {1,2,3,4,5});       
        System.out.println(src.dump());
        Core.calcCovarMatrix(src, covar, mean, Core.COVAR_ROWS | Core.COVAR_NORMAL);
        System.out.println(covar.dump());

输出协方差矩阵为：

$\begin{bmatrix} 8,8 & \\ 8,8& \end{bmatrix}$