OpenCV3.0 Examples學(xué)習(xí)筆記（18）-pca.cpp-PCA類實現(xiàn)降維處理

2019-11-08 18:46:52

字體：大中小

供稿：網(wǎng)友

這個系列的目的是通過對OpenCV示例，進一步了解OpenCV函數(shù)的使用，不涉及具體原理。目錄簡介Example運行截圖Example分析Example代碼簡介本文記錄了對OpenCV示例pca.cpp的分析。資料地址：http://docs.opencv.org/3.0.0/d2/dc0/pca_8cpp-example.html這個示例主要演示了如何使用OpenCV完成PCA降維操作。PCA（PRincipal Component Analysis）是一種常用的數(shù)據(jù)分析方法。PCA通過線性變換將原始數(shù)據(jù)變換為一組各維度線性無關(guān)的表示，可用于提取數(shù)據(jù)的主要特征分量，常用于高維數(shù)據(jù)的降維。本文主要討論OpenCV的示例pca.cpp，不涉及具體數(shù)學(xué)原理，如果讀者想進一步了解PCA原理可以參考PCA的數(shù)學(xué)原理。示例涉及PCA類構(gòu)造函數(shù)，project函數(shù)，backProject函數(shù)，和Mat類reshape函數(shù)，convertTo函數(shù)的使用。

PCA構(gòu)造函數(shù)PCA類是OpenCV實現(xiàn)主要成分分析的類，在人臉識別等機器學(xué)習(xí)的項目中大量應(yīng)用，使用前需要先實例化對象。函數(shù)原型：PCA(InputArray data, InputArray mean, int flags, int maxComponents = 0);PCA(InputArray data, InputArray mean, int flags, double retainedVariance);參數(shù)說明：data：需要PCA的數(shù)據(jù)，每一行（列）表示一個樣本；mean：平均值；如果矩陣是空的（noArray()），則從數(shù)據(jù)計算； flags：操作標志，具體參數(shù)如下： DATA_AS_ROW ：每一行表示一個樣本； DATA_AS_COL ：每一列表示一個樣本；maxComponents ：PCA應(yīng)保留的最大組件數(shù)；默認情況下，所有組件都保留；retainedVariance：PCA應(yīng)保留的方差百分比。使用這個參數(shù)將讓PCA決定保留多少組件，但它將始終保持至少2。

PCA::project函數(shù)該函數(shù)的作用是將輸入數(shù)據(jù)vec(該數(shù)據(jù)是用來提取PCA特征的原始數(shù)據(jù))投影到PCA主成分空間中去，返回每一個樣本主成分特征組成的矩陣。因為經(jīng)過PCA處理后，原始數(shù)據(jù)的維數(shù)降低了，因此原始數(shù)據(jù)集中的每一個樣本的維數(shù)都變了，由改變后的樣本集就組成了本函數(shù)的返回值。函數(shù)原型：Mat project(InputArray vec) const;參數(shù)說明：vec：參與投影（降維）的數(shù)據(jù)PS：如果選擇DATA_AS_ROW，每一行表示一個樣本，則vec也需要按此

PCA::backProject函數(shù)一般調(diào)用backProject（）函數(shù)前需調(diào)用project()函數(shù)，因為backProject()函數(shù)的參數(shù)vec為經(jīng)過PCA投影降維過后的矩陣。因此backProject()函數(shù)的作用就是用vec來重構(gòu)原始數(shù)據(jù)集（關(guān)于該函數(shù)的本質(zhì)數(shù)學(xué)實現(xiàn)暫時還不是很了解）。函數(shù)原型：Mat backProject(InputArray vec) const;參數(shù)說明：vec：參與反投影（反降維）的數(shù)據(jù)

Mat類是OpenCV 2.0以來主要的數(shù)據(jù)類型，之前在同系列博客OpenCV3.0 Examples學(xué)習(xí)筆記（3）-cout_mat.cpp中略有涉及，示例主要涉及reshape函數(shù)，convertTo函數(shù)

Mat::reshape函數(shù)該函數(shù)會為當前矩陣創(chuàng)建一個新的矩陣頭（指針），新的矩陣擁有不同的尺寸或者不同的通道數(shù)，其優(yōu)點在于運算復(fù)雜度為O（1），不用復(fù)制矩陣數(shù)據(jù).正是因為不用復(fù)制數(shù)據(jù)，所以在轉(zhuǎn)變過程中要保證原數(shù)據(jù)矩陣在數(shù)據(jù)上的連續(xù)性（這里的連續(xù)性是相對于原矩陣來說）函數(shù)原型：Mat reshape(int cn, int rows=0) const;參數(shù)說明：cn：新的通道數(shù)；如果cn值為0表示變換前后通道數(shù)不變rows：新的行數(shù)；如果rows值為0表示變換后矩陣的行數(shù)不變

Mat::convertTo函數(shù)這個函數(shù)提供點算子（像素變換）能力，通過增益（alpha）和偏置（beta）參數(shù)對圖像進行調(diào)整，我們也可以使用它完成亮度（beta）和對比度（alpha）的調(diào)整，其公式如下

函數(shù)原型：void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const;參數(shù)說明：m：輸出矩陣；如果在使用前沒有聲明或需要修改，會自行分配（需要贊美的能力！）。 rtype：新的矩陣類型。因此也有人使用這個函數(shù)進行類型轉(zhuǎn)換alpha：增益參數(shù)，對比度beta：偏置參數(shù)，亮度PS:convertTo屬于Mat的成員函數(shù)。PS2：saturate_cast用于防止溢出，結(jié)果小于0則轉(zhuǎn)為0，大于255，則轉(zhuǎn)為255。

示例涉需要通過命令行存入一個txt格式輸入文件，其格式如下：

C:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s1/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s2/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s3/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s4/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s5/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s6/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s7/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s8/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s9/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s10/1.pgmC:/Mysher/OpenCV/opencv310/opencv/sources/samples/data/att_faces/s11/1.pgm

下載地址：http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.htmlExample運行截圖

Example分析0.全局函數(shù)和變量0.1read_imgList函數(shù)，從txt文件中加載pgm格式圖像static void read_imgList(const string& filename, vector<Mat>& images) { std::ifstream file(filename.c_str(), ifstream::in); if (!file) { string error_message = "No valid input file was given, please check the given filename."; CV_Error(Error::StsBadArg, error_message); } string line; while (getline(file, line)) { images.push_back(imread(line, 0)); }}注意：（1）示例中采用的樣本格式為pgm，具體見參考資料7.《PGM格式圖像詳解及處理方法》（2）getline函數(shù)，從輸入流中讀入字符具體見參考資料8.《C++ getline的使用》0.2formatImagesForPCA函數(shù)，將所有圖像存入一個Mat中，每一行表示一個樣本 static Mat formatImagesForPCA(const vector<Mat> &data) { Mat dst(static_cast<int>(data.size()), data[0].rows*data[0].cols, CV_32F); for(unsigned int i = 0; i < data.size(); i++) { //Mat image_row = data[i].clone().reshape(1,1); Mat image_row = data[i].clone().reshape(1,1); Mat row_i = dst.row(i); image_row.convertTo(row_i,CV_32F); //Mat tmp(1,data[0].rows*data[0].cols, CV_32F); //image_row.convertTo(tmp,CV_32F); } return dst;}注意：（1）Mat::reshape，創(chuàng)建一個新的頭，示例中將所有圖像存入一個Mat，其每一行都包含一個完整的樣本信息，此處通過reshape將圖像的Mat轉(zhuǎn)換為1行1列的向量；（2）Mat::convertTo，類型轉(zhuǎn)換，示例中只是用于復(fù)制；其中關(guān)于Mat的應(yīng)用具體間參考資料9.《opencv中關(guān)于reshape, repeat初步認識》0.3toGrayscale函數(shù)，將數(shù)據(jù)轉(zhuǎn)換為可以顯示的灰度圖像格式static Mat toGrayscale(InputArray _src) { Mat src = _src.getMat(); // only allow one channel if(src.channels() != 1) { CV_Error(Error::StsBadArg, "Only Matrices with one channel are supported"); } // create and return normalized image Mat dst; cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1); return dst;}0.4params結(jié)構(gòu)體，用于滑動條響應(yīng)函數(shù)傳遞參數(shù)struct params{ Mat data; int ch; int rows; PCA pca; string winName;};0.5onTrackbar函數(shù)，響應(yīng)滑動條操作，先將第一個樣本投影到新的基（降維），再反投影，最后灰度化static void onTrackbar(int pos, void* ptr){ cout << "Retained Variance = " << pos << "% "; cout << "re-calculating PCA..." << std::flush; double var = pos / 100.0; struct params *p = (struct params *)ptr; p->pca = PCA(p->data, cv::Mat(), PCA::DATA_AS_ROW, var); Mat point = p->pca.project(p->data.row(0)); Mat reconstruction = p->pca.backProject(point); reconstruction = reconstruction.reshape(p->ch, p->rows); reconstruction = toGrayscale(reconstruction); imshow(p->winName, reconstruction); cout << "done! # of principal components: " << p->pca.eigenvectors.rows << endl;}1.main函數(shù)1.1在命令行中獲取寫有文件列表的文檔 if (argc != 2) { cout << "usage: " << argv[0] << " <image_list.txt>" << endl; exit(1); }1.2將文檔目錄存入變量 // Get the path to your CSV. string imgList = string(argv[1]);1.3聲明存儲圖像Mat對象的向量 // vector to hold the images vector<Mat> images;1.4調(diào)用全局函數(shù)read_imgList，從txt文件中加載pgm格式圖像 // Read in the data. This can fail if not valid try { read_imgList(imgList, images); } catch (cv::Exception& e) { cerr << "Error opening file /"" << imgList << "/". Reason: " << e.msg << endl; exit(1); }1.5判斷如果讀取的圖像少于2，則返回 // Quit if there are not enough images for this demo. if(images.size() <= 1) { string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!"; CV_Error(Error::StsError, error_message); }1.6將所有圖像存入一個Mat中，每一行表示一個樣本 // Reshape and stack images into a rowMatrix Mat data = formatImagesForPCA(images);1.7創(chuàng)建PCA對象 // perform PCA PCA pca(data, cv::Mat(), PCA::DATA_AS_ROW, 0.95); // trackbar is initially set here, also this is a common value for retainedVariance1.8先將第一個樣本投影到新的基（降維），再反投影，最后灰度化 // Demonstration of the effect of retainedVariance on the first image Mat point = pca.project(data.row(0)); // project into the eigenspace, thus the image becomes a "point" Mat reconstruction = pca.backProject(point); // re-create the image from the "point" reconstruction = reconstruction.reshape(images[0].channels(), images[0].rows); // reshape from a row vector into image shape reconstruction = toGrayscale(reconstruction); // re-scale for displaying purposes1.9創(chuàng)建窗口 // init highgui window string winName = "Reconstruction | press 'q' to quit"; namedWindow(winName, WINDOW_NORMAL);1.10記錄參數(shù) // params struct to pass to the trackbar handler params p; p.data = data; p.ch = images[0].channels(); p.rows = images[0].rows; p.pca = pca; p.winName = winName;1.11創(chuàng)建滑動條 // create the tracbar int pos = 95; createTrackbar("Retained Variance (%)", winName, &pos, 100, onTrackbar, (void*)&p);1.12顯示結(jié)果，如果鍵盤按鍵q響應(yīng)，則推出 // display until user presses q imshow(winName, reconstruction); int key = 0; while(key != 'q') key = waitKey();參考資料：1.《Opencv起步之主成分分析(PCA)》2.《reshape函數(shù)—— Matlab和opencv的reshape函數(shù) 不同點》3.《PCA的數(shù)學(xué)原理》4.《矩陣加個角標T》5.《PCA算法學(xué)習(xí)_1(OpenCV中PCA實現(xiàn)人臉降維)》6.《Stanford機器學(xué)習(xí)---第十講. 數(shù)據(jù)降維》7.《PGM格式圖像詳解及處理方法》8.《C++ getline的使用》9.《opencv中關(guān)于reshape, repeat初步認識》10.《opencv中Mat類型轉(zhuǎn)換 ConvertTo》11.《PCA算法學(xué)習(xí)_1(OpenCV中PCA實現(xiàn)人臉降維)》12.《有個PCA的東西》13.《cv::PCA Class Reference》14.《OpenCV中cv::Mat字節(jié)對齊方法》

上一篇：py2exe的使用

下一篇：sleep和wait的區(qū)別