本文介绍了使用PCA降维实现EigenFace人脸识别的过程。通过PCA降低高维人脸数据的复杂性，从ORL人脸数据库中读取图像并进行训练。内容包括数据加载、模型训练、人脸重建，并展示了平均脸和部分特征脸的图像。
PCA降维应用示例：
#include<opencv2\opencv.hpp>
using namespace cv;
using namespace std;
double calcPCAorientation(vector<Point>&pts, Mat &image);
int main(int arc, char** argv) {
Mat src = imread("3.jpg");
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
Mat gray, binary;
cvtColor(src, gray, CV_BGR2GRAY);
threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("binary", binary);
vector<vector<Point>>contours;
findContours(binary, contours, RETR_LIST, CHAIN_APPROX_NONE);
Mat result = src.clone();
for (int i = 0; i < contours.size(); i++) {
double area = contourArea(contours[i]);
if (area > 1e5 || area < 1e2)con
订阅专栏 解锁全文
扫一扫
1324
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
