基于PCA简单的人脸识别opencv实现-图像处理学习笔记

这篇博客介绍了使用PCA进行人脸识别的实现过程。通过主成分分析降低数据维度,读取训练样本,计算特征向量(特征脸),并求出样本在子空间的投影系数,最后通过欧式距离识别图片。
摘要由CSDN通过智能技术生成

思路简述

PCA即主成分分析。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值,形成一个 n ′ m 的数据矩阵, n 通常比较大。
按自己的理解就是,将一个空间的数据投影到一个子空间里,实现降维,并且变换到特定的子空间,会使相似的数据聚合在一起,不同类的数据图像分开的远些(所以就用到变换空间),在这个子空间里实现数据的比较分析更容易些。

该图像引用自图像处理课PPT中一幅

实现步骤

1。读取训练样本

将人脸数据库加载到内存中,每幅图像用一个行向量表示,将所有数据库中图像用一个矩阵来表示。

for (int i = 1;i <= 250;i++)
    {
        data = imread(path +to_string(i)+"\\1.png", 
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值