samples/cpp/pca.cpp

一个使用PCA进行降维并保持一定量方差变化的示例

/*
* pca.cpp
*
* 作者
* Kevin Hughes <kevinhughes27[at]gmail[dot]com>
*
* 特别感谢
* Philipp Wagner <bytefish[at]gmx[dot]de>
*
* 此程序演示了如何使用OpenCV PCA实现
* 指定保留的方差量。通过使用滑动条来
* 改变保留方差值，进一步展示了效果。
* 程序接受一个文本文件作为输入，每行
*
* 包含一个完整图像路径。PCA将对该
* 图像列表应用。作者建议使用
* AT&T人脸数据集的前15个面孔
* http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html
* 因此，例如，您的输入文本文件可能如下所示
*
* <path_to_at&t_faces>/orl_faces/s1/1.pgm
*
* <path_to_at&t_faces>/orl_faces/s2/1.pgm
* <path_to_at&t_faces>/orl_faces/s3/1.pgm
* <path_to_at&t_faces>/orl_faces/s4/1.pgm
* <path_to_at&t_faces>/orl_faces/s5/1.pgm
* <path_to_at&t_faces>/orl_faces/s6/1.pgm
m <path_to_at&t_faces>/orl_faces/s7/1.pgm
* <path_to_at&t_faces>/orl_faces/s8/1.pgm
* <path_to_at&t_faces>/orl_faces/s9/1.pgm
* <path_to_at&t_faces>/orl_faces/s10/1.pgm
* <path_to_at&t_faces>/orl_faces/s11/1.pgm
* <path_to_at&t_faces>/orl_faces/s12/1.pgm
* <path_to_at&t_faces>/orl_faces/s13/1.pgm
* <path_to_at&t_faces>/orl_faces/s14/1.pgm
* <path_to_at&t_faces>/orl_faces/s15/1.pgm

*
*/
 
#include <iostream>
#include <fstream>
#include <sstream>
 
#include <opencv2/core.hpp>
#include "opencv2/imgcodecs.hpp"
#include <opencv2/highgui.hpp>
 
使用命名空间 cv;
使用命名空间 std;
 
// 函数
静态 void read_imgList(const string& filename, vector<Mat>& images) {
std::ifstream file(filename.c_str(), ifstream::in);
    如果 (!file) {
        string error_message = "未提供有效的输入文件，请检查给出的文件名。";
        CV_Error(Error::StsBadArg, error_message);
    }
    string line;
    而 (getline(file, line)) {
images.push_back(imread(line, IMREAD_GRAYSCALE));
    }
}
 
Mat formatImagesForPCA(const vector<Mat> &data)
{
    Mat dst(static_cast<int>(data.size()), data[0].rows*data[0].cols, CV_32F);
    为(unsigned int i = 0; i < data.size(); i++)
    {
        Mat image_row = data[i].clone().reshape(1,1);
        Mat row_i = dst.row(i);
image_row.convertTo(row_i,CV_32F);
    }
    为
}
 
静态 Mat toGrayscale(InputArray _src) {
    Mat src = _src.getMat();
    // 仅允许一个通道
    if(src.channels() != 1) {
        CV_Error(Error::StsBadArg, "仅支持单通道的矩阵");
    }
    // 创建并返回归一化图像
    Mat dst;
    cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);
    为
}
 
结构体 params
{
    Mat data;
    int ch;
    int rows;
    PCA pca;
    string winName;
};
 
静态 void onTrackbar(int pos, void* ptr)
{
cout << "保留变异性 = " << pos << "% ";
cout << "重新计算PCA..." << std::flush;
 
    double var = pos / 100.0;
 
    结构体 params *p = (结构体 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 << "完成! 主要成分数量: " << p->pca.eigenvectors.rows << endl;
}
 
 
// 主程序
int main(int argc, char** argv)
{
    cv::CommandLineParser parser(argc, argv, "{@input||image list}{help h||显示帮助信息}");
    if (parser.has("help"))
    {
parser.printMessage();
exit(0);
    }
    // 获取CSV文件路径。
    string imgList = parser.get<string>("@input");
    if (imgList.empty())
    {
parser.printMessage();
exit(1);
    }
 
    // 保存图像的vector
vector<Mat> images;
 
    // 读取数据。这可能失败，如果无效
    try {
read_imgList(imgList, images);
}catch(const cv::Exception& e) {
cerr << "无法打开文件 \"" << imgList << "\". 原因: " << e.msg << endl;
exit(1);
    }
 
    // 如果演示没有足够的图像，则退出。
    如果(images.size() <= 1) {
        string error_message = "这个演示需要一个至少2张图片才能运行。请为您的数据集添加更多图片!";
        CV_Error(Error::StsError, error_message);
    }
 
    // 将图片重新塑形组合为行矩阵
    Mat data = formatImagesForPCA(images);
 
    // 执行主成分分析
    PCA pca(data, cv::Mat(), PCA::DATA_AS_ROW, 0.95); // 初始化跟踪条这里，这也是保留方差的一个常见值
 
    // 展示保留方差对第一张图片的影响
    Mat point = pca.project(data.row(0)); // 将其投影到特征空间，因此图片成为一个“点”
    Mat reconstruction = pca.backProject(point); // 从“点”重新创建图片
reconstruction = reconstruction.reshape(images[0].channels(), images[0].rows); // 从行向量重塑为图片形状
reconstruction = toGrayscale(reconstruction); // 为了显示目的进行缩放
 
    // 初始化高GUI窗口
    string winName = "重建 | 按 'q' 退出";
    namedWindow(winName, WINDOW_NORMAL);
 
    // params结构体用于传递给跟踪条处理器
    params p;
p.data = data;
p.ch = images[0].channels();
p.rows = images[0].rows;
p.pca = pca;
p.winName = winName;
 
    // 创建跟踪条
    int pos = 95;
    createTrackbar("保留方差 (%)", winName, &pos, 100, onTrackbar, (void*)&p);
 
    // 用户按q键之前显示
    imshow(winName, reconstruction);
 
    char key = 0;
    while(key != 'q')
key = (char)waitKey();
 
   return 0;
}