MATLAB克劳特算法,Matlab中的eig函数和Opecv中eigen（）函数的区别

奇异值分解的理论参见下面的链接

http://www.cnblogs.com/pinard/p/6251584.html

https://blog.csdn.net/shenziheng1/article/details/52916278

https://blog.csdn.net/billbliss/article/details/78579308

https://blog.csdn.net/zhongkejingwang/article/details/43053513

https://blog.csdn.net/u010099080/article/details/68060274

在Matlab中的eig()函数，和Opencv中的eigen()函数，都是用来获得矩阵的特征值和特征矢量。并且，这两个函数的输入矩阵必须是对称矩阵。

Matlab中的eig()函数，常见的写法如下：

[V D]=eig(A);

D是矩阵A的特征值组成的对角矩阵，与A是同数据类型，同尺度。V是与特征值对应的特征矢量组成的矩阵。

在Opencv中的eigen()函数，常见的写法如下：

myEigen(A,D,V);

函数中的A是输入矩阵，D和V是输出的特征值矢量和特征矢量组成的矩阵。eig()函数与eigen()函数的不同之处是：

1、在eigen()中的D是一个一维特征值组成的列矢量，并且特征值是按照降序排序；而在eig()中的D则是一个以特征值为对角的对角矩阵，特征值是按照升序排序。

2、在eigen()中的V是特征矢量组成的矩阵，矩阵中的每一行就是一个特征矢量；而在eig()中的V则是以特征矢量组成的矩阵，矩阵中的每一列即是一个特征矢量。

下面是同一个实例，在Matlab中和Opencv中的比较：

首先是Matlab中的eig函数的实例代码：

clear;

clc;

A=[1,2,3;2,5,6;3,6,9];

[V D]=eig(A);

A_r=V*D*V';

输入结果如下：

   

下面是Opencv中eigen函数的实例代码：

//为方便与Matlab中的eig()函数比较，我把eigen封装在一个函数里，并将特征值矢量转换成对角矩阵，与Matlab中类似

void myEigen(Mat&A,Mat&D,Mat&V)

{

eigen(A,D,V);

Mat E=Mat::eye(A.size(),A.type());for(int i=0;i

{

E.at(i,i)=D.at(0,i);

}

D=E.clone();

}const double eps=2.224e-16;intmain()

{

Mat A=(Mat_(3,3)<<

1,2,3,2,5,6,3,6,9);

Mat D,V;

myEigen(A,D,V);

Mat A_r=V.t()*D*V;

cout<

cout<

cout<

cout<

}

输出结果如下：

比较Matlab和Opencv中的D、V值：

  

Opencv中V的第一列，与Matlab中V的第一行数值一直，但排序相反，其它行列对比也基本一致。