【正文】 對img求轉(zhuǎn)置矩陣 figure(3)。 imshow(img)。 title(39。Mean Image39。,39。fontsize39。,18) Change image for manipulation 為處理改變圖像 dbx=[]。 % A matrix A矩陣 for i=1:M temp=double(S(:,i))。 %取雙精度 dbx=[dbx temp]。 %將兩個矩陣和在一起 end Covariance matrix C=A39。A, L=AA39。 協(xié)方差矩陣 A=dbx39。 %由上面得到的dbx的轉(zhuǎn)置矩陣得到矩陣A L=A*A39。 %A矩陣和A矩陣的轉(zhuǎn)置矩陣的乘積得到L矩陣 vv are the eigenvector for L vv是L的特征向量 dd are the eigenvalue for both L=dbx39。*dbx and C=dbx*dbx39。 dd是L=dbx39。*dbx和C=dbx*dbx39。的特征值 [vv dd]=eig(L)。 Sort and eliminate those whose eigenvalue is zero 選出并且剔除特征值為0的 v=[]。 %將v置空 d=[]。 %將d置空 for i=1:size(vv,2) if(dd(i,i)1e4) %由此表達式作為衡量標(biāo)準(zhǔn) v=[v vv(:,i)]。 d=[d dd(i,i)]。 end end sort, will return an ascending sequence 選出 可以返回降序列的 [B index]=sort(d)。 ind=zeros(size(index))。 % ind 與 index同樣大的零矩陣 dtemp=zeros(size(index))。 % dtemp 同理,也是與index同樣大小的零矩陣 vtemp=zeros(size(v))。 % vtemp 與v同樣大小的零矩陣 len=length(index)。 % len為index的最大的維數(shù) for i=1:len % 從1到len次的循環(huán) dtemp(i)=B(len+1i)。 % dtemp(i)的值為B(len+1i) ind(i)=len+1index(i)。 % ind(i)的值為len+1index(i) vtemp(:,ind(i))=v(:,i)。 % vtemp的ind(i)列與v的i列相同 end d=dtemp。 % dtemp值賦給d v=vtemp。 % vtemp值賦給v Normalization of eigenvectors % 特征矢量的規(guī)格化 for i=1:size(v,2) %access each column 訪問每一行 kk=v(:,i)。 %將v的第i行賦給kk temp=sqrt(sum(kk.^2))。 %取一個臨時變量,命名為temp ,再取平方根 賦給temp v(:,i)=v(:,i)./temp。 end Eigenvectors of C matrix %矩陣C的特征向量 u=[]。 %取u為空矩陣 for i=1:size(v,2) %訪問每一行 temp=sqrt(d(i))。 u=[u (dbx*v(:,i))./temp]。 %構(gòu)造矩陣u end %Normalization of eigenvectors 特征向量的規(guī)格化 for i=1:size(u,2) kk=u(:,i)。 %將u的第i列賦給kk temp=sqrt(sum(kk.^2))。 %取一個臨時變量,命名為temp ,再取平方根 賦給temp u(:,i)=u(:,i)./temp。 %把u矩陣與temp矩陣對應(yīng)的元素進行相除 再重新生成u end show eigenfaces。 顯示特征臉 figure(4)。 %figure4 for i=1:size(u,2) img=reshape(u(:,i),icol,irow)。 %通過u矩陣來重構(gòu)img img=img39。 %將img轉(zhuǎn)置 img=histeq(img,255)。 %用均衡直方圖來提高對比度 subplot(ceil(sqrt(M)),ceil(sqrt(M)),i) %在figure4中現(xiàn)實33的圖像 imshow(img) %show img drawnow。 %更新figure4 if i==3 title(39。Eigenfaces39。,39。fontsize39。,18) % 顯示39。Eigenfaces39。 end end Find the weight of each face in the training set. 找到每個人臉在訓(xùn)練中的權(quán)值 omega = []。 % 建立一個空矩陣omega for h=1:size(dbx,2) WW=[]。 %外層循環(huán)建立一個空矩陣WW for i=1:size(u,2) t = u(:,i)39。 %將u的第i列轉(zhuǎn)置賦給t WeightOfImage = dot(t,dbx(:,h)39。)。 %由t和dbx的第h列轉(zhuǎn)置構(gòu)成向量點,賦給WeightOfImage WW = [WW。 WeightOfImage]。 %構(gòu)成WW end omega = [omega WW]。 %構(gòu)成omega end %以上部分即完成了圖像的讀入,規(guī)格化,特征空間的訓(xùn)練,特征臉的形成 %并且顯示出訓(xùn)練圖像,規(guī)格化圖像,均值圖像和特征臉 %以下部分為識別的部分 Acquire new image 獲得一個新的圖像 % 依舊采用orl臉庫中的人臉圖像作為試驗對象 % 與訓(xùn)練圖像保持一致的大小 InputImage = input(39。Please enter the name of the image and its extension \n39。,39。s39。)。 %輸入要讀取作為判別的文件 InputImage=imread(strcat(InputImage))。 %在當(dāng)前路徑下讀取文件 figure(5) %figure5 subplot(1,2,1)