MATLAB 高维图像降维

最新推荐文章于 2023-04-23 16:56:17 发布

杨林shaka

最新推荐文章于 2023-04-23 16:56:17 发布

阅读量1.3k

点赞数

文章标签： matlab 计算机视觉图像处理

本文链接：https://blog.csdn.net/m0_37749400/article/details/125324870

版权

MATLAB 高维图像降维
通过 PCA主成分分析的方法
将24维图像提取为一维
官方代码如下

先使用滤波器生成高维图像矩阵

A = imread('kobi.png');
A = imresize(A,0.25);
Agray = rgb2gray(A);
figure
imshow(A)

不同尺度滤波器生成不同维度的矩阵在这里插入图片描述

imageSize = size(A);
numRows = imageSize(1);
numCols = imageSize(2);

wavelengthMin = 4/sqrt(2);
wavelengthMax = hypot(numRows,numCols);
n = floor(log2(wavelengthMax/wavelengthMin));
wavelength = 2.^(0:(n-2)) * wavelengthMin;

deltaTheta = 45;
orientation = 0:deltaTheta:(180-deltaTheta);

g = gabor(wavelength,orientation);

gabormag = imgaborfilt(Agray,g);

设置滤波器核函数

for i = 1:length(g)
    sigma = 0.5*g(i).Wavelength;
    K = 3;
    gabormag(:,:,i) = imgaussfilt(gabormag(:,:,i),K*sigma); 
end

对得到的矩阵添加两个大小相同的矩阵
并使用pca降维，得到最佳特征的一维图像
在这里插入图片描述

X = 1:numCols;
Y = 1:numRows;
[X,Y] = meshgrid(X,Y);
featureSet = cat(3,gabormag,X);
featureSet = cat(3,featureSet,Y);*斜体样式*
numPoints = numRows*numCols;
X = reshape(featureSet,numRows*numCols,[]);
X = bsxfun(@minus, X, mean(X));
X = bsxfun(@rdivide,X,std(X));
coeff = pca(X);
feature2DImage = reshape(X*coeff(:,1),numRows,numCols);
figure
imshow(feature2DImage,[])


后续可以使用PCA生成其他维度的矩阵，例如三维彩色图，后续继续研究