标签:blog http io ar os 使用 sp for strong
前言:
PCA是大家经常用来减少数据集的维数,同时保留数据集中对方差贡献最大的特征来达到简化数据集的目的。本文通过使用PCA来提取人脸中的特征脸这个例子,来熟悉下在oepncv中怎样使用PCA这个类。
开发环境:ubuntu12.04+Qt4.8.2+QtCreator2.5.1+opencv2.4.2
PCA数学理论:
关于PCA的理论,资料很多,公式也一大把,本人功底有限,理论方面这里就不列出了。下面主要从应用的角度大概来讲讲具体怎么实现数据集的降维。
把原始数据中每个样本用一个向量表示,然后把所有样本组合起来构成一个矩阵。当然了,为了避免样本的单位的影响,样本集需要标准化。
求该矩阵的协防差矩阵(关于协方差的介绍可以参考我的博文:一些知识点的初步理解_4(协方差矩阵,ing...))。
求步骤2中得到的协方差矩阵的特征值和特征向量。
将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵,并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
用步骤4的映射矩阵对原始数据进行映射,达到数据降维的目的。
实验说明:
在本次实验实现的过程中,需要用到opencv的这些函数,下面简单介绍下这些函数。
Mat Mat::reshape(int cn, int rows=0) const
该函数是改变Mat的尺寸,即保持尺寸大小=行数*列数*通道数 不变。其中第一个参数为变换后Mat的通道数,如果为0,代表变换前后通道数不变。第二个参数为变换后Mat的行数,如果为0也是代表变换前后通道数不变。但是该函数本身不复制数据(这点不是很理解,调用一个Mat的reshape,如果我们不把调用后的Mat做为返回值去用,难道此时调用前的Mat一点变化都没有?)。
void Mat::convertTo(OutputArray m, int rtype, double alpha=1, double beta=0 ) const
该函数其实是对原Mat的每一个值做一个线性变换。参数1为目的矩阵,参数2为目d矩阵的类型,参数3和4变换的系数,看完下面的公式就明白了:
PCA::PCA(InputArray data, InputArray mean, int flags, int maxComponents=0)
该构造函数的第一个参数为要进行PCA变换的输入Mat;参数2为该Mat的均值向量;参数3为输入矩阵数据的存储方式,如果其值为CV_PCA_DATA_AS_ROW则说明输入Mat的每一行代表一个样本,同理当其值为CV_PCA_DATA_AS_COL时,代表输入矩阵的每一列为一个样本;最后一个参数为该PCA计算时保留的最大主成分的个数。如果是缺省值,则表示所有的成分都保留。
Mat PCA::project(InputArray vec) const
该函数的作用是将输入数据vec(该数据是用来提取PCA特征的原始数据)投影到PCA主成分空间中去,返回每一个样本主成分特征组成的矩阵。因为经过PCA处理后,原始数据的维数降低了,因此原始数据集中的每一个样本的维数都变了,由改变后的样本集就组成了本函数的返回值。
Mat PCA::backProject(InputArray vec) const
一般调用backProject()函数前需调用project()函数,因为backProject()函数的参数vec为经过PCA投影降维过后的矩阵。 因此backProject()函数的作用就是用vec来重构原始数据集(关于该函数的本质数学实现暂时还不是很了解)。
另外PCA类中还有几个成员变量,mean,eigenvectors, eigenvalues等分别对应着原始数据的均值,协方差矩阵的特征值和特征向量。
实验结果:
本次实验是用4个人人脸图像,其中每个人分别有5张,共计20张人脸图片。用这些图片组成原始数据集来提取他们的PCA主特征脸。该20张图片如下所示:
当运行软件后,单击start按钮,该程序的结果显示如下:
其中第一行的3张人脸分别为20张原图中的3张,这里取的是3个不同人的。
第二行中显示的3张人脸分别为第一行中人脸经过PCA投影后,又方向投影过来的人脸图像,仔细观察可以看到第二行的人脸图像整体比第一行的亮度上要亮些,且细节上也有所不同。
第3行的人脸图为取的原始数据协方差矩阵特征向量的最前面3个,因此这3个人脸为最具代表人脸特征的3个PCA人脸特征。
实验主要部分代码即注释(附录有实验工程code下载链接):
pcaface.h:
#ifndef PCAFACE_H #define PCAFACE_H #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace cv; #include <QDialog> namespace Ui { class PCAFace; } class PCAFace : public QDialog { Q_OBJECT public: explicit PCAFace(QWidget *parent = 0); ~PCAFace(); Mat normalize(const Mat& src); protected: void changeEvent(QEvent *e); private slots: void on_startButton_clicked(); void on_closeButton_clicked(); private: Ui::PCAFace *ui; Mat src_face1, src_face2, src_face3; Mat project_face1, project_face2, project_face3; Mat dst; Mat pca_face1, pca_face2, pca_face3; vector<Mat> src; int total; }; #endif // PCAFACE_H
pcaface.cpp:
#include "pcaface.h" #include "ui_pcaface.h" #include <QString> #include <iostream> #include <stdio.h> using namespace std; PCAFace::PCAFace(QWidget *parent) : QDialog(parent), ui(new Ui::PCAFace) { ui->setupUi(this); src_face1 = imread("./images/1.pgm", 0); //下面的代码为设置图片显示区域自适应图片的大小 ui->face1Browser->setFixedHeight(src_face1.rows+1); ui->face1Browser->setFixedWidth(src_face1.cols+1); ui->face2Browser->setFixedHeight(src_face1.rows+1); ui->face2Browser->setFixedWidth(src_face1.cols+1); ui->face3Browser->setFixedHeight(src_face1.rows+1); ui->face3Browser->setFixedWidth(src_face1.cols+1); ui->face4Browser->setFixedHeight(src_face1.rows+1); ui->face4Browser->setFixedWidth(src_face1.cols+1); ui->face5Browser->setFixedHeight(src_face1.rows+1); ui->face5Browser->setFixedWidth(src_face1.cols+1); ui->face6Browser->setFixedHeight(src_face1.rows+1); ui->face6Browser->setFixedWidth(src_face1.cols+1); ui->face7Browser->setFixedHeight(src_face1.rows+1); ui->face7Browser->setFixedWidth(src_face1.cols+1); ui->face8Browser->setFixedHeight(src_face1.rows+1); ui->face8Browser->setFixedWidth(src_face1.cols+1); ui->face9Browser->setFixedHeight(src_face1.rows+1); ui->face9Browser->setFixedWidth(src_face1.cols+1); for(int i = 1; i <= 15; i++) { stringstream ss; string num; ss<<i;//将整数i读入字符串流 ss>>num;//将字符串流中的数据传入num,这2句代码即把数字转换成字符 string image_name = ("./images/" + num + ".pgm");//需要读取的图片全名 src.push_back(imread(image_name, 0)); } total= src[0].rows*src[0].cols; } PCAFace::~PCAFace() { delete ui; } void PCAFace::changeEvent(QEvent *e) { QDialog::changeEvent(e); switch (e->type()) { case QEvent::LanguageChange: ui->retranslateUi(this); break; default: break; } } //将Mat内的内容归一化到0~255,归一化后的类型为但通道整型 Mat PCAFace::normalize(const Mat& src) { Mat srcnorm; cv::normalize(src, srcnorm, 0, 255, NORM_MINMAX, CV_8UC1); return srcnorm; } void PCAFace::on_startButton_clicked() { //先显示3张原图 ui->face1Browser->append("<img src=./images/1.pgm>"); ui->face2Browser->append("<img src=./images/7.pgm>"); ui->face3Browser->append("<img src=./images/14.pgm>"); //mat数组用来存放读取进来的所有图片的数据,其中mat的每一列对应1张图片,该实现在下面的for函数中 Mat mat(total, src.size(), CV_32FC1); for(int i = 0; i < src.size(); i++) { Mat col_tmp = mat.col(i); src[i].reshape(1, total).col(0).convertTo(col_tmp, CV_32FC1, 1/255.); } int number_principal_compent = 12;//保留最大的主成分数 //构造pca数据结构 PCA pca(mat, Mat(), CV_PCA_DATA_AS_COL, number_principal_compent); //pca.eigenvectors中的每一行代表输入数据协方差矩阵一个特征向量,且是按照该协方差矩阵的特征值进行排序的 pca_face1 = normalize(pca.eigenvectors.row(0)).reshape(1, src[0].rows);//第一个主成分脸 imwrite("./result/pca_face1.jpg", pca_face1);//显示主成分特征脸1 ui->face7Browser->append("<img src=./result/pca_face1.jpg>"); pca_face2 = normalize(pca.eigenvectors.row(1)).reshape(1, src[0].rows);//第二个主成分脸 imwrite("./result/pca_face2.jpg", pca_face2);//显示主成分特征脸2 ui->face8Browser->append("<img src=./result/pca_face2.jpg>"); pca_face3 = normalize(pca.eigenvectors.row(2)).reshape(1, src[0].rows);//第三个主成分脸 imwrite("./result/pca_face3.jpg", pca_face3);//显示主成分特征脸3 ui->face9Browser->append("<img src=./result/pca_face3.jpg>"); //将原始数据通过PCA方向投影,即通过特征向量的前面几个作用后的数据,因此这里的dst的尺寸变小了 dst = pca.project(mat); //通过方向投影重构原始人脸图像(其本质暂时还没完全弄明白) project_face1 = normalize(pca.backProject(dst).col(0)).reshape(1, src[0].rows); imwrite("./result/project_face1.jpg", project_face1); ui->face4Browser->append("<img src=./result/project_face1.jpg>"); project_face2 = normalize(pca.backProject(dst).col(6)).reshape(1, src[0].rows); imwrite("./result/project_face2.jpg", project_face2); ui->face5Browser->append("<img src=./result/project_face2.jpg>"); project_face3 = normalize(pca.backProject(dst).col(13)).reshape(1, src[0].rows); imwrite("./result/project_face3.jpg", project_face3); ui->face6Browser->append("<img src=./result/project_face3.jpg>"); } void PCAFace::on_closeButton_clicked() { close(); }
main.cpp:
#include <QApplication> #include "pcaface.h" int main(int argc, char *argv[]) { QApplication a(argc, argv); PCAFace w; w.show(); return a.exec(); }
实验总结:
通过本次实验,对Opencv中的PCA这个类的使用有了一定的了解。
【转】PCA算法学习_1(OpenCV中PCA实现人脸降维)
标签:blog http io ar os 使用 sp for strong
原文地址:http://www.cnblogs.com/zhanjxcom/p/4119695.html