本文介绍了如何使用OpenCV实现PCA算法进行人脸识别，通过PCA对高维图像数据降维，保留关键特征，以减少存储空间并保留图像主要信息。详细步骤包括计算均值向量、协方差矩阵，获取特征值和特征向量，并展示了实际计算的10幅人脸图像转化为5个特征脸的过程。
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]
订阅专栏 解锁全文
扫一扫
186
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
