PCA求取特征脸

最新推荐文章于 2021-08-26 09:57:04 发布

HU_LSS

最新推荐文章于 2021-08-26 09:57:04 发布

阅读量507

点赞数

分类专栏： opencv 文章标签： opencv PCA

本文链接：https://blog.csdn.net/weixin_43527195/article/details/84947226

版权

opencv 专栏收录该内容

0 篇文章 0 订阅

订阅专栏

本文介绍了一个基于OpenCV的PCA图像识别实战案例，通过读取ORL数据集中的图像，进行灰度转换，然后使用PCA算法进行特征提取和降维。文章详细展示了如何使用OpenCV的PCA类进行计算，包括样本数据的输入、PCA计算、特征向量的读取和转换，以及特征脸的显示。

摘要由CSDN通过智能技术生成

#include <opencv2/opencv.hpp>
#include <iostream>
#include <fstream>
#include <string>

using namespace cv;
using namespace std;

void main() {

	int nsamples = 0;    //样本（图片）个数
	int w = 92;          //图片宽度（假定所有样本已知且统一）
	int h = 112;         //图片高度（假定所有样本已知且统一）

	string datasetfile;  //样本集文件路径
	string file;         //样本文件路径

	ifstream infile;

	Mat img, gray;
	Mat input;           //一个样本
	Mat inputs;          //样本数据矩阵
	Mat result;

	PCA pca;

	//1.输入样本数据
	cout << "Input the path of dataset file: ";
	cin >> datasetfile;
	infile.open(datasetfile.c_str());

	if (infile) {
		do {
			getline(infile, file);
			img = imread(file);

			cvtColor(img, gray, CV_BGR2GRAY);
			input = gray.reshape(1, 1);
			inputs.push_back(input);

			getline(infile, file);
		} while (!infile.eof());

		//2.进行PCA的相关计算

		//opencv的PCA类输入矩阵的数据类型要求为float型，既CV_32FC1或CV_64FC1
		inputs.convertTo(inputs, CV_32FC1);

		//最后的参数10，保留前10个最大的特征值及其对应的特征向量
		pca(inputs, Mat(), CV_PCA_DATA_AS_ROW, 10);

		//读取协方差矩阵的特征向量，并转换成样本（图片）的原尺寸h*w
		//row(0)表示读取第一个（特征值最大）的特征向量
		result = pca.eigenvectors.row(0);
		result = result.reshape(result.channels(), h);

		//将向量元素值的范围从浮点值映射到0~255，并将数据类型转换成unsigned char
		normalize(result, result, 0, 255, NORM_MINMAX, CV_8UC1);

		//显示一张特征脸
		imshow("eigenface1", result);
		waitKey();
	}
	else {
		cout << "error: unable to open input dataset file "<< endl;
	}
}

数据集文件样式（采用ORL数据集）：
在这里插入图片描述
实验结果：