這是opencv中的一個sample:
上圖先:
PCA的数学原理
PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。下面我将以opencv里人脸识别为例。
对一副宽p、高q的二维灰度图,要完整表示该图像,需要m = pq维的向量空间,比如100100的灰度图像,它的向量空间为100100=10000。下图是一个33的灰度图和表示它的向量表示:
该向量为行向量,共9维,用变量表示就是[v0, v1, v2, v3, v4, v5, v6, v7, v8]