6_OpenCV函数cv::calcCovarMatrix()

函数原型：

void cv::calcCovarMatrix(
	const cv::Mat* samples,  // C-array of n-by-1 or 1-by-n matrices
	int nsamples,  // num matrices pointed to by 'samples'
	cv::Mat& covar,  // ref of erturn array for covariance
	cv::Mat& mean,  // ref to return array for mean
	int flags,  // special variations
	int ctype = cv::F64  // output matrix type for covar
);
void cv::calcCovarMatrix(
	cv::InputArray samples,  // n-by-m matrix,but see 'flags' below
	cv::Mat& covar,  // ref to return array for covariance
	cv::Mat& mean,  // ref to return array for mean
	int flags,  // special variations
	int ctype = cv::F64  // output matrix type for covar
);

函数介绍

给定一些向量，假设这些向量表示的点是近似高斯分布的，cv::calcCovarMatrix()将计算这些点的均值和协方差矩阵。可以应用到很多方面，OpenCV有很多附加的flag值，在特定情况下会起作用，这些flag可以用标准的布尔或操作组合在一起。如下是cv::calcCovarMatrix()科恩那个用到的flag参数的值：

flags参数的具体flag值	意义
cv::COVAR_NORMAL	计算均值和协方差
cv::COVAR_SCRAMBLED	快速PCA“scrambled"协方差
cv::COVAR_USE_AVERAGE	输入均值而不是计算均值
cv::COVAR_SCALE	重新缩放输出的协方差矩阵
cv::COVAR_ROWS	使用样本的行作为输入向量
cv::COVAR_COLS	使用样本的列作为输入向量

cv::calcCovarMatrix()有两个基本的调用方法，第一种是指向cv::Mat对象矩阵的指针和表示矩阵中的矩阵数量的nsamples一起传入函数，这种情况下，矩阵可以是n x 1或1 x n。第二种是传入一个n x m的矩阵，这种情况下，应该提供flag为cv::COVAR_ROWS以指示存在长度为m的n(行)个向量，或者应该提供flag为cv::COVAR_COLS以指示存在长度为n的m(列)个向量。

cv::calcCovarMatrix()函数的输入输出矩阵都应该是相同的浮点型。结果矩阵的尺寸应该是n x n或m x m，取决于计算的是标准协方差还是scrambled协方差，应该注意的是，使用cv::Mat*形式时，samples的向量输入不一定要是一维的，它们也可以是二维对象。

在所有情况下，结果将放在covar中，但avg的确切含义取决于flag的值。

标志cv::COVAR_NORMAL和cv::COVAR_SCRAMBLED是相互排斥的，只能使用其中一种，不能两者同时使用。

1. 如果使用cv::COVAR_NORMAL，函数只能计算均值和协方差。

标准的协方差由长度为n的m个向量计算得到，被定义为平均值向量的第n个元素，由此产生的协方差矩阵是一个n x n的矩阵。因子z是一个可选比例因子，如果没有使用cv::COVAR_SCALE标志，该因子值为1。

2. 如果使用cv::COVAR_SCRAMBLED标志，cv::calcCovarMatrix()将按照如下计算：

 该标志计算后得到的协方差矩阵是m x m的矩阵，这个矩阵是用在一些特定算法中，比如对非常大的向量进行快速PCA（比如人脸识别技术中）。

3. 如果输入向量的平均值是已知的，使用cv::COVAR_USE_AVG标志，这种情况下，参数avg用来作为输入而不是输出，以减少计算时间。

4. 如果使用标志cv::COVAR_SCALE用于对计算得到的协方差矩阵进行统一缩放，这是上面提到的因子z。和标志cv::COVAR_NORMAL一起使用时，应用的缩放比例是1.0/m(或等效于1.0/nsamples);如果使用cv::COVAR_SCRAMBLED，那么z的值将是1.0/n(向量长度的倒数)。