企业官网建设流程全解析

设计工作室网站,大连百度推广哪家好,杭州网站忧化,wordpress 动漫 主题基于主成分分析(PCA)的人脸识别 #xff08;完整Matlab代码#xff09; #xff08;有GUI界面#xff09; 本设计会将彩色图片直接转化为黑白图像#xff0c;自带数据库#xff0c;图片重建效果好很多#xff01;自己的图片可能会差一些#xff0c;效果如下图所示…基于主成分分析(PCA)的人脸识别 完整Matlab代码 有GUI界面 本设计会将彩色图片直接转化为黑白图像自带数据库图片重建效果好很多自己的图片可能会差一些效果如下图所示先看数据预处理部分。自带数据库里的图片都是统一尺寸的这点很重要function faces load_faces(directory) files dir(fullfile(directory, *.jpg)); faces []; for i 1:length(files) img imread(fullfile(directory, files(i).name)); gray_img rgb2gray(img); % 强制转灰度 vec double(gray_img(:)); % 压成向量 faces [faces vec]; % 横向拼接 end end这里有个坑——很多新手会忽略图像向量化的操作。那个冒号操作(:)把二维矩阵压成一维列向量之后所有脸都变成矩阵里的一列这种数据结构才是PCA能处理的。核心的PCA实现反而简单得离谱[coeff, score, latent] pca(faces); mean_face mean(faces, 2); % 平均脸是关键MATLAB自带的pca函数直接搞定协方差矩阵计算和特征分解。不过要注意的是pca函数默认对行做处理所以要把人脸矩阵转置后再喂进去。平均脸的计算用mean函数按列取平均这个平均脸后续重建时会用到。图像重建才是最好玩的部分k 50; % 选前50个主成分 projection score(:,1:k) * coeff(:,1:k); reconstructed projection mean_face; // 别漏了加回平均脸这里有个经典错误——忘记加回平均脸会导致重建图像像鬼片。系数矩阵和特征脸做矩阵乘法得到投影后必须把之前减去的平均脸加回来否则亮度会完全不对。GUI界面里最麻烦的是实时显示效果function update_slider(hObject, ~) k round(get(hObject, Value)); set(findobj(Tag,text_k), String, num2str(k)); % 从handles结构体里拿之前算好的PCA参数 projection handles.score(:,1:k) * handles.coeff(:,1:k); reconstructed projection handles.mean_face; % 显示在axes里 axes(handles.axes_reconstruct); imshow(reshape(reconstructed(:,1), [img_h, img_w]), []); end滑动条回调函数里要注意数据传递所有PCA计算结果必须存在handles结构体里。reshape操作是把一维向量恢复成二维图像这里图像尺寸必须和原始尺寸完全一致否则直接崩给你看。实测发现用ORL数据库自带的人脸库重建效果超好但用自己的照片就糊得像马赛克。原因可能有两点一是自带照片都是标准光照和正脸二是用户自己照片尺寸不匹配导致reshape出错。建议自拍时用白墙当背景用PS统一裁剪到和数据库相同的像素尺寸。最后吐槽下MATLAB的内存管理——当处理100张112x92的人脸时数据矩阵大小是10304x100这时候要是开太多主成分GUI可能会卡成PPT。解决方案是在pca函数里加个Economy,true参数或者直接上专业版MATLAB但学生党谁买得起啊。