#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>#include <fstream>
#include <sstream>using namespace cv;
using namespace std;//将给出的图像回归为值域在0~255之间的正常图像Mat norm_0_255(const Mat& src) {// 构建返回图像矩阵
    Mat dst;switch(src.channels()) {case 1://根据图像通道情况选择不同的回归函数cv::normalize(src, dst, 0, 255, NORM_MINMAX, CV_8UC1);break;case 3:cv::normalize(src, dst, 0, 255, NORM_MINMAX, CV_8UC3);break;default:src.copyTo(dst);break;}return dst;
}// 将一副图像的数据转换为Row Matrix中的一行；这样做是为了跟opencv给出的PCA类的接口对应//参数中最重要的就是第一个参数，表示的是训练图像样本集合Mat asRowMatrix(const vector<Mat>& src, int rtype, double alpha = 1, double beta = 0) {// 样本个数size_t n = src.size();// 如果样本为空，返回空矩阵if(n == 0)return Mat();// 样本的维度size_t d = src[0].total();// 构建返回矩阵
    Mat data(n, d, rtype);// 将图像数据复制到结果矩阵中for(int i = 0; i < n; i++) {//如果数据为空，抛出异常
        if(src[i].empty()) {string error_message = format("Image number %d was empty, please check your input data.", i);CV_Error(CV_StsBadArg, error_message);}// 图像数据的维度要是d，保证可以复制到返回矩阵中if(src[i].total() != d) {string error_message = format("Wrong number of elements in matrix #%d! Expected %d was %d.", i, d, src[i].total());CV_Error(CV_StsBadArg, error_message);}// 获得返回矩阵中的当前行矩阵:Mat xi = data.row(i);// 将一副图像映射到返回矩阵的一行中:if(src[i].isContinuous()) {src[i].reshape(1, 1).convertTo(xi, rtype, alpha, beta);} else {src[i].clone().reshape(1, 1).convertTo(xi, rtype, alpha, beta);}}return data;
}int main(int argc, const char *argv[]) {// 训练图像集合vector<Mat> db;// 本例中使用的是ORL人脸库，可以自行在网上下载    //将数据读入到集合中db.push_back(imread("s1/1.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s1/2.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s1/3.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s2/1.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s2/2.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s2/3.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s3/1.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s3/2.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s3/3.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s4/1.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s4/2.pgm", IMREAD_GRAYSCALE));db.push_back(imread("s4/3.pgm", IMREAD_GRAYSCALE));// 将训练数据读入到数据集合中，实现PCA类的接口Mat data = asRowMatrix(db, CV_32FC1);// PCA中设定的主成分的维度,这里我们设置为10维度int num_components = 10;// 构建一份PCA类
    PCA pca(data, Mat(), CV_PCA_DATA_AS_ROW, num_components);// 复制PCA方法获得的结果Mat mean = pca.mean.clone();Mat eigenvalues = pca.eigenvalues.clone();Mat eigenvectors = pca.eigenvectors.clone();// 平均脸:imshow("avg", norm_0_255(mean.reshape(1, db[0].rows)));// 前三个训练人物的特征脸imshow("pc1", norm_0_255(pca.eigenvectors.row(0)).reshape(1, db[0].rows));imshow("pc2", norm_0_255(pca.eigenvectors.row(1)).reshape(1, db[0].rows));imshow("pc3", norm_0_255(pca.eigenvectors.row(2)).reshape(1, db[0].rows));// Show the images:waitKey(0);// Success!return 0;
}